Nagy nyelvi modellek pszichiátriai alkalmazhatósága

A mentális betegségek diagnózisának felállítása során az orvosok számos tényezőt vesznek figyelembe, köztük a betegek által jelzett tüneteket, amelyeket kérdőívekkel rögzítenek. A kérdések pontos megfogalmazása kulcsfontosságú lehet a helyes diagnózis szempontjából, ugyanakkor a standardizált kérdőívek között jelentős eltérések mutatkoznak. A kutatók átfedéseket és tartalmi különbségeket találtak a depresszió, a bipoláris zavar és a pszichózis kockázatának azonosítására szolgáló kérdésekben, ami megnehezíti a pontos diagnózist.

Az orvosok klinikai tapasztalataikra is támaszkodnak, amikor egy adott tünetet egy konkrét betegséghez kapcsolnak. Mivel azonban különböző kórképek hasonló tüneteket okozhatnak, ez növeli a téves diagnózis kockázatát. Dr. Joseph Kambeitz és munkatársai (Kölni Egyetem) a Nature Mental Health folyóiratban november 18-án megjelent tanulmányának fő megállapítása szerint a közelmúltban elterjedő nagy nyelvi modellek (LLM-ek) alkalmazása új lehetőségeket kínál a mentális betegségek diagnosztikájában használt kérdőívek fejlesztésére, mivel képesek javítani a tünetek általánosíthatóságát és csökkenteni a felesleges ismétlődéseket, sőt, az LLM-ek hozzájárulhatnak a pszichiátriai kórképek újfajta értelmezéséhez is.

professzor, a vizsgálat társvezetője kiemelte, kevéssé ismert, hogy a kérdőívek megfogalmazása miként befolyásolja az orvosok asszociációit. Az eltérő eredmények fakadhatnak a betegek közötti különbségekből ugyanazon diagnosztikai csoporton belül, vagy a kérdőívek közötti eltérésekből.

A nyelvi modellek alkalmazása új módszert kínál a nyelv által közvetített betegségleírások elemzésére. A kutatócsoport a GPT-3, a Llama és a BERT modelleket használta négy klinikai kérdőív szerkezetének és tartalmának vizsgálatára. Az elemzés több mint 50 ezer kérdőív adataira épült, amelyek depresszióval, szorongással, pszichózis kockázattal és autizmussal voltak kapcsolatosak.

A klinikai gyakorlatban a tünetek gyakran együtt fordulnak elő, például a motiváció hiánya és az örömérzet elvesztése. Az elemzés kimutatta, hogy a nyelvi modellek képesek felismerni az ilyen tünetegyütteseket. Még konkrét empirikus adatok nélkül is megjelennek bennük azok az összefüggések, amelyek pusztán a kérdőívek megfogalmazásából következnek.

Ez arra utal, hogy a mesterséges intelligencia a jövőben hatékonyan javíthatja a pszichológiai kérdőíveket, elkerülve a redundáns kérdéseket, egyszerűbbé, pontosabbá téve a diagnózist. Így olyan eszközök hozhatók létre, amelyek megbízhatóan azonosítják a pszichés tüneteket, ugyanakkor a lehető legkevesebb kérdést teszik fel, megkönnyítve ezzel a betegek és az orvosok munkáját.

Kambeitz professzor hozzátette, hogy a pszichiátriában a kimondott szó kiemelt szerepet játszik a diagnózisban és a terápiában. Számos ígéretes kutatás zajlik jelenleg, amelyek azt vizsgálják, miként alkalmazhatók a nyelvi modellek a pszichiátriában – a diagnosztikától kezdve a dokumentáció írásán és javításán át egészen a terápiás ülések szimulációjáig. A kutatók szerint a közeljövőben további izgalmas eredmények várhatók ezen a területen.

Írásunk az alábbi közlemények alapján készült:

Large language models revolutionize psychiatric questionnaires

The empirical structure of psychopathology is represented in large language models

Irodalmi hivatkozás:

Kambeitz, J., et al. (2025). The empirical structure of psychopathology is represented in large language models. Nature Mental Health. doi: 10.1038/s44220-025-00527-y. https://www.nature.com/articles/s44220-025-00527-y