MDD-LLM：面向重度抑郁症诊断的准确大型语言模型
计算与语言
2025-05-02 v1 人工智能
摘要
重度抑郁症(MDD)影响全球30000万人以上，成为重大公共卫生问题。然而，由于医疗资源分布不均和诊断方法的复杂性，该症状在许多国家和地区得到的关注不足。本文提出一种高性能 MDD 诊断工具 MDD-LLM，一种基于微调大型语言模型(LLM)和大量真实世界样本的人工智能驱动框架，用以解决 MDD 诊断中的挑战。因此，我们选取 UK Biobank 队列中的274348个个体信息用于训练和评估所提出的方法。具体而言，我们选取 UK Biobank 队列中的274348条记录，设计一种表格数据转换方法，以创建大型语料库用于训练和评估所提出的方法。为阐明 MDD-LLM 的优势，我们进行了全面实验并提供了针对多种评估指标的几项比较分析。实验结果表明，MDD-LLM(70B)在准确率达到0.8378，AUC 为0.8919(95%置信区间：0.8799 - 0.9040)，显著优于现有机器学习和深度学习框架在 MDD 诊断中的表现。鉴于 LLM 在 MDD 诊断领域的探索有限，我们检视了可能影响所提出方法性能的诸多因素，如表格数据转换技术和不同的微调策略。
关键词
引用
@article{arxiv.2505.00032,
title = {MDD-LLM: Towards Accuracy Large Language Models for Major Depressive Disorder Diagnosis},
author = {Yuyang Sha and Hongxin Pan and Wei Xu and Weiyu Meng and Gang Luo and Xinyu Du and Xiaobing Zhai and Henry H. Y. Tong and Caijuan Shi and Kefeng Li},
journal= {arXiv preprint arXiv:2505.00032},
year = {2025}
}