导读 心理学研究人员已经展示了一种通过使用机器学习和自然语言处理分析自由阐述的思想和感受来微调重度抑郁症和广泛性焦虑症诊断的方法。该团队
心理学研究人员已经展示了一种通过使用机器学习和自然语言处理分析自由阐述的思想和感受来微调重度抑郁症和广泛性焦虑症诊断的方法。
该团队建议这种称为 QCLA 的技术，用于基于问题的计算语言评估，可以帮助完善临床环境中的传统心理健康评分量表。
QCLA 与传统的封闭式评分量表不同，后者要求患者对他们对静态模板呈现给他们的预定义项目的同意程度进行评分，心理学家在本月发表在《心理学前沿》上的一项研究中解释说。
为了测试实验性的自由表达技术，瑞典隆德大学的 Katarina Kjell、Per Johnsson 和 Sverker Sikström 让 411 名参与者自由地用词语和评分量表描述他们的心理健康状况。
Kjell 及其同事使用 NLP 和机器学习来分析反应，发现 QCLA 测量与《精神疾病诊断和统计手册》 ( DSM-5 ) 中发表的重度抑郁和广泛性焦虑的量表和描述密切相关。
他们还指出，主要标准的个体测量——认知和情绪方面——比行为方面更好地预测疾病状态，行为方面被认为是次要措施。