利用临床问卷提升抑郁症检测泛化能力
计算与语言
2022-04-25 v1
摘要
自动化方法已广泛用于从包括社交媒体在内的各类信息源中识别和分析心理健康状况（如抑郁症）。然而，此类模型在真实医疗场景中的部署面临域外泛化能力差以及黑盒模型缺乏可信度等挑战。本工作中，我们提出不同程度受PHQ9（临床医生用于抑郁症筛查过程的问卷）所描述症状约束的抑郁症检测方法。在三个社交媒体数据集上的数据集迁移实验中，我们发现将模型基于PHQ9症状进行 grounding 相较于标准基于BERT的方法显著提升了其对分布外数据的泛化能力。此外，该方法在域内数据上仍具竞争力。这些结果及我们的定性分析表明，将模型预测基于临床相关症状可改善泛化能力，同时产生更易检视的模型。
引用
@article{arxiv.2204.10432,
title = {Improving the Generalizability of Depression Detection by Leveraging Clinical Questionnaires},
author = {Thong Nguyen and Andrew Yates and Ayah Zirikly and Bart Desmet and Arman Cohan},
journal= {arXiv preprint arXiv:2204.10432},
year = {2022}
}