心理に基づくグラフモデリングによる解釈可能なうつ病検出
arXiv cs.CL / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文では、会話からのうつ病検出を動的な時系列グラフとして表現し、時間とともに変化する症状の推移をより適切に捉える心理に基づくGraph Attentionモデル「PsyGAT」を提案しています。
- 論文は、発話レベルの臨床的エビデンスを明示的に符号化するPsychological Expression Units（PEUs）を導入し、単なる意味関係ではなく心理状態の遷移を捉えるようにセッショングラフを構築しています。
- データ不足とクラス不均衡への対処として、臨床的に承認されたペルソナベースのデータ拡張を用い、さらにグラフ構造にパーソナリティ文脈を組み込むことで、安定した特性と急性の抑うつ症状を切り分けます。
- PsyGATはDAIC-WoZおよびE-DAICで最先端性能を報告し、強力なグラフ系ベースラインやGPT-5のようなクローズドLLMも上回ったほか、症状トリガーを特定する解釈性モジュール（Causal-PsyGAT）により性能向上が示されています。
- 拡張済みデータセットを完全に公開しており、臨床的に解釈可能なうつ病スクリーニング手法のさらなる研究を後押しします。
