Analyse de la santé mentale explicable et interprétable grâce aux grands modèles de langageLarge language model empowered explainable and interpretable mental health analysis.
- InsightDep combine un modèle BERT adapté à Twitter avec des mécanismes d'attention masquée pour la classification et l'explicabilité.
- L'utilisation d'un grand modèle de langage (LLM) permet de transformer les explications techniques en commentaires compréhensibles pour les non-experts.
- Le modèle obtient des performances élevées, notamment un F1 de 0,994 sur Reddit, mais des scores plus modérés sur Twitter (F1=0,599).
L'article présente une méthodologie innovante alliant détection de la dépression et explicabilité via LLM, avec des implications pratiques pour les cliniciens. Toutefois, les performances mitigées sur Twitter et l'absence de validation clinique réelle limitent la pertinence immédiate, d'où une note de 75.
Les performances sur Twitter sont modérées (F1=0,599), suggérant une fiabilité limitée sur certaines plateformes. Le modèle a été évalué uniquement sur des données en anglais, limitant sa généralisabilité à d'autres langues. La dépendance aux grands modèles de langage peut entraîner des biais ou des coûts computationnels élevés. L'étude ne rapporte pas d'évaluation clinique réelle avec des patients, mais seulement des données de réseaux sociaux.
Présentation de 'InsightDep', un modèle d'analyse de la santé mentale basé sur BERT et les grands modèles de langage (LLM) pour détecter la dépression sur les réseaux sociaux (Twitter, Reddit) tout en fournissant des explications compréhensibles pour les cliniciens. Le modèle utilise des techniques d'attention masquée et convertit les explications techniques en commentaires interprétables via LLM. Les performances atteignent un macro-F1 de 0,599 sur Twitter et 0,994 sur Reddit, surpassant les méthodes existantes. L'objectif est de créer des canaux numériques éthiques supervisés par des experts médicaux pour une intervention rapide en santé mentale.
InsightDep combine un modèle BERT adapté à Twitter avec des mécanismes d'attention masquée pour la classification et l'explicabilité. L'utilisation d'un grand modèle de langage (LLM) permet de transformer les explications techniques en commentaires compréhensibles pour les non-experts. Le modèle obtient des performances élevées, notamment un F1 de 0,994 sur Reddit, mais des scores plus modérés sur Twitter (F1=0,599). L'approche vise à intégrer des considérations éthiques et une supervision médicale dans les outils de détection de la dépression en ligne.
Les cliniciens peuvent utiliser InsightDep pour surveiller les signes de dépression sur les réseaux sociaux avec des explications interprétables, facilitant ainsi une intervention précoce. L'explicabilité du modèle permet aux psychologues et psychiatres de comprendre les raisons des alertes, renforçant la confiance dans l'outil. L'approche pourrait être étendue à d'autres troubles mentaux et intégrée dans des plateformes de télésanté.
Élevé