基于预训练大型语言模型的自由对话中可解释认知衰退检测
计算与语言
2024-11-05 v1 人工智能
摘要
认知和神经功能障碍非常常见，但只有很小一部分受影响者被诊断和治疗，这部分原因与频繁筛查的高成本有关。通过有效且高效的智能系统检测前疾病阶段并分析神经疾病的进展对及时诊断和早期干预有益。我们提议使用大型语言模型从自由对话中提取特征，以检测认知衰退。这些特征包括高层次推理内容无关的特征（如理解力、意识减退、注意力增加、记忆问题）。我们的解决方案包括(i)预处理，(ii)通过自然语言处理技术和提示工程进行特征工程，(iii)特征分析和选择以优化性能，以及(iv)分类，支持自动可解释性。我们还探讨如何利用我们模型中最佳特征来提高Chatgpt直接认知障碍预测能力。评估指标的结果支持将特征提取与Chatgpt结合使用以及使用专用机器学习模型检测自由形式对话中老年人的认知衰退的混合方法的有效性。最终，我们的工作可能促进开发一种低成本、非侵入性且快速的认知衰退检测与解释方法。
引用
@article{arxiv.2411.02036,
title = {Explainable cognitive decline detection in free dialogues with a Machine Learning approach based on pre-trained Large Language Models},
author = {Francisco de Arriba-Pérez and Silvia García-Méndez and Javier Otero-Mosquera and Francisco J. González-Castaño},
journal= {arXiv preprint arXiv:2411.02036},
year = {2024}
}