使用大语言模型测量精神分裂症风险患者的症状严重程度
计算与语言
2025-08-15 v1 人工智能
摘要
处于临床高风险(CHR)的精神分裂症患者需要密切监测其症状,以指导适当的治疗。简明精神病评定量表(BPRS)是一种经过验证的、常用于测量精神分裂症和其他精神病性障碍患者症状的研究工具;然而,由于需要冗长的结构化访谈,它在临床实践中并不常用。在此,我们利用大语言模型(LLMs)从加速药物合作精神分裂症(AMP-SCZ)队列中409名CHR患者的临床访谈记录预测BPRS评分。尽管访谈并非专门为测量BPRS而结构化,但LLM预测的零样本性能与真实评估相比(中位一致性:0.84,ICC:0.73)接近人类评分者间和评分者内的信度。我们进一步证明,LLMs通过其在外语中评估BPRS的准确性(中位一致性:0.88,ICC:0.70),以及在一样本或少样本学习方法中整合纵向信息,具有显著改善和标准化CHR患者评估的潜力。
引用
@article{arxiv.2508.10226,
title = {Using Large Language Models to Measure Symptom Severity in Patients At Risk for Schizophrenia},
author = {Andrew X. Chen and Guillermo Horga and Sean Escola},
journal= {arXiv preprint arXiv:2508.10226},
year = {2025}
}