혁신적인 대규모 언어 모델 방법을 통한 우울증 탐지

최근 기계 학습 및 자연어 처리의 발전은 정신 건강 진단에 큰 잠재력을 보여주고 있습니다. 본 논문에서는 대규모 언어 모델(LLMs)을 사용하여 우울증 식별을 위한 혁신적인 접근 방식을 제시합니다. 먼저, 텍스트 전용 분류를 위해 LLM2Vec 아키텍처를 사용합니다. 또한 텍스트, 오디오 및 시각적 입력을 통합하여 다중 모드 LLM의 잠재력을 탐색하였으며, 다중 모드 데이터의 보다 포괄적인 분석을 통해 진단 정확성을 향상시키는 것을 목표로 합니다. 우리의 결과는 텍스트 전용 모델이 기준 성능을 훨씬 초과하여 잘 수행함을 보여주며, 다중 모드 데이터는 환자의 정신 상태에 대한 보다 미세한 이해를 달성할 가능성을 보여줍니다. 이 연구는 LLM을 사용한 정신 건강 평가를 위한 보다 강력하고 효과적인 도구 개발을 위한 미래 연구의 기초를 다집니다.