多模态生物标志物用于精神分裂症：用于个体症状严重程度估计

使用深度学习进行精神分裂症评估的研究通常将其视为检测疾病是否存在的分类任务，过于简化了该病情况，限制了其在临床中的实际应用价值。这种传统方法忽略了精神分裂症的复杂性，限制了其在医疗保健领域的实际价值。本研究将关注点转向基于多模态方法的个体症状严重程度估计，该方法整合了语音、视频和文本输入。我们为每种模态开发单模态模型，并构建一种多模态框架以提高准确性和鲁棒性。通过捕获更详细的症状轮廓，这种方法有助于提高诊断精确度，并支持个体化治疗，为精神健康评估提供一种可扩展且客观的工具。