情感灵活性的语言标记可预测抑郁和焦虑治疗结果
计算与语言
2026-05-07 v2 应用统计
摘要
预测焦虑和抑郁的治疗非反应具有挑战性，这在一定程度上源于现实护理中症状评估稀疏。我们检查了通过分析来自 12,043 名美国患者（症状较重的焦虑和抑郁）的 12 周脱敏 teletherapy transcript 是否存在被动捕获的细粒度情感作为治疗结果的语言标记。基于 transformer 的小型语言模型在 talk-turn 级别提取患者情感；基于状态空间模型（VISTA-SSM）对情感动态时间序列进行聚类并生成时间网络。发现两个群体：改善群（n=8,230）和非反应群（n=3,813），后者显示更高的症状恶化几率，临床显著改善的可能性更低。时间网络指示，悲伤和恐惧在非反应者的情感动态中发挥最大影响，而改善者表现出快乐、悲伤和中性表达的平衡。这些发现表明，情感不灵活性的语言标记可作为可扩展、可解释且在理论上有依据的治疗风险分层指标。
引用
@article{arxiv.2601.07961,
title = {Language Markers of Emotion Flexibility Predict Depression and Anxiety Treatment Outcomes},
author = {Benjamin Brindle and George A. Bonanno and Thomas Derrick Hull and Nicolas Charon and Matteo Malgaroli},
journal= {arXiv preprint arXiv:2601.07961},
year = {2026}
}