Nagy nyelvi modellek a depresszió előszűrésében
Egy új kutatás olyan megközelítést mutatott be, amely a nagy nyelvi modellek képességeit ötvözi a hagyományos pszichometriai eszközökkel a depresszió előszűrésében.
- Cukros üdítőitalok és depresszió
- Nehezen kezelhető depressziók
- Elektrokonvulzív terápia (ECT) depresszióban
- Hogyan hat a ketamin a depresszió kezelésében?
- Szívbetegség és depresszió kapcsolata
- A depresszió nem rosszkedv!
- A mentális egészség és gyógyítás kapcsolata az agyi metabolizmussal
- Új terápiás eljárás a depresszió kezelésében: a transzkraniális mágneses stimuláció (TMS)
- Antidepresszívumok és demenciakockázat
- A ketamin és eszketamin lényeges különbségei
- A ketamin és elektrokonvulzív terápia depresszióban
- A ketamin hatásos lehet egy autizmussal összefüggő ritka genetikai állapotban
- Ketamin és esketamin kezelés rezisztens depresszióban
A pszichológiai állapotfelmérés több mint egy évszázada elsősorban standardizált kérdőívekre támaszkodik, amelyek azonban gyakran nem képesek megragadni az érzelmi állapotok finomabb árnyalatait. Egy új kínai kutatás olyan megközelítést mutatott be, amely a nagy nyelvi modellek képességeit ötvözi a hagyományos pszichometriai eszközökkel a depresszió szűrésére. Az eredmények a JMIR Formative Research folyóiratban jelentek meg.
A Zhengzhou Normal University kutatói egy olyan Automatikus Értékelési Paradigmát (Automated Assessment Paradigm, AAP) dolgoztak ki, amely a Beck-féle Depresszió Kérdőív gyorsszűrő változatát (BDI-FS) egy ChatGPT-alapú felületbe ágyazza. A BDI-FS-GPT névre keresztelt rendszer nem előre megadott válaszlehetőségeket kínál, hanem meghatározott kérdések sorozatát teszi fel, és a felhasználók természetes, szabad szöveges válaszait elemzi. A válaszok jelentéstartalmát ezután egy szabályalapú folyamat segítségével rendeli hozzá az eredeti BDI-FS pontozási kategóriáihoz, így alakítva ki a standardizált értékelést.
A módszer hatékonyságát 115 résztvevő bevonásával vizsgálták, köztük 28 depresszióval diagnosztizált személlyel. A résztvevők kitöltötték a BDI-FS-GPT által vezetett értékelést, valamint a hagyományos PHQ-9 kérdőívet is. Az eredményeket ezután összevetették pszichiáterek klinikai diagnózisaival.
A BDI-FS-GPT jelentős egyezést mutatott a szakemberek által felállított diagnózisokkal. Az optimális határértéknél a rendszer a depressziós résztvevők 89,3%-át azonosította, miközben a fals pozitív arány 11,5% volt. Összehasonlításképpen: a PHQ-9 kérdőív csak 71,4%-os egyezést mutatott, és alacsonyabb, 0,859-es görbe alatti területet ért el.
A felhasználói élmény szempontjából is kedvezőbbnek bizonyult a beszélgetésalapú forma. Egy külön elégedettségi vizsgálatban a résztvevők szignifikánsan magasabb elégedettséget jeleztek a BDI-FS-GPT használatával kapcsolatban, mint a hagyományos BDI-FS esetében. A szerzők szerint ez azért lehet fontos, mert a mentális egészségügyi szűrésekben való részvételt nagymértékben befolyásolja, mennyire érzi magát komfortosan a vizsgálatot kitöltő személy. A kutatók úgy vélik, hogy a jövőben az ilyen rendszerek előszűrő eszközként működhetnek a rendelőkben vagy a várótermekben, csökkentve az egészségügyi személyzet terhelését és a jelenlegi módszereknél személyre szabottabb vizsgálati élményt nyújtanak.
A szerzők hangsúlyozzák, hogy a rendszer nem helyettesíti az orvosok szakmai ítéletét, csupán támogatja a szűrési folyamatot.
Írásunk az alábbi közlemények alapján készült:
Irodalmi hivatkozás:
Zheng Jin et al, Evaluating the Efficacy of AI-Based Interactive Assessments Using Large Language Models for Depression Screening: Development and Usability Study, JMIR Formative Research (2026). DOI: 10.2196/78401
