Anwendung von natürlicher Sprachverarbeitung zur Erkennung von psychischen Erkrankungen: eine narrative Übersicht

Zusammenfassung Psychische Erkrankungen sind heutzutage weit verbreitet und stellen eine bedeutende Ursache für das Leiden im Leben der Menschen dar, mit Auswirkungen auf die Gesundheit und das Wohlbefinden der Gesellschaft. Psychische Erkrankungen sind komplexe multifaktorielle Erkrankungen, die mit individuellen Risikofaktoren und einer Vielzahl von sozioökonomischen und klinischen Assoziationen verbunden sind. Um diese komplexen Assoziationen zu erfassen, die in einer Vielzahl von Textdaten, einschließlich Beiträgen in sozialen Medien, Interviews und klinischen Notizen, zum Ausdruck kommen, zeigen Methoden der natürlichen Sprachverarbeitung (NLP) vielversprechende Verbesserungen, um proaktive psychische Gesundheitsversorgung zu ermöglichen und eine frühzeitige Diagnose zu unterstützen. Wir bieten eine narrative Übersicht zur Erkennung psychischer Erkrankungen mithilfe von NLP im vergangenen Jahrzehnt an, um Methoden, Trends, Herausforderungen und zukünftige Richtungen zu verstehen. Insgesamt wurden 399 Studien aus 10.467 Datensätzen einbezogen. Die Übersicht zeigt, dass es einen Aufwärtstrend in der NLP-Forschung zur Erkennung psychischer Erkrankungen gibt. Methoden des tiefen Lernens erhalten mehr Aufmerksamkeit und schneiden besser ab als traditionelle Methoden des maschinellen Lernens. Wir geben auch einige Empfehlungen für zukünftige Studien, darunter die Entwicklung neuartiger Erkennungsmethoden, Paradigmen des tiefen Lernens und interpretierbare Modelle.