LLM-gestützte Sprachanalyse in der Depressionsdiagnose: multilinguale Vier-Kohorten-Studie
Von KI ausgewählt und zusammengefasst
Worum es geht
Unsupervised Clustering von Spontansprach-Transkripten mit multilingualem Language Model und Dichte-Clusterung zur Assoziation mit klinischen Depressions-Skalen über vier unabhängige Kohorten (Frankreich n=1338, Italien n=116, China n=52, Spanien n=90).
Ergebnis
In französischer Allgemeinbevölkerung unterschieden sich PHQ-9-Scores zwischen Clustern (η²=0,19, p<0,001), ebenso Angst (GAD-7), Insomnie (AIS) und Müdigkeit (MFI) (η²=0,14-0,16, p<0,001). In italienischer Stichprobe war Cluster-Zugehörigkeit mit klinisch diagnostizierter Depression assoziiert (Cramér V=0,74, p<0,001), in chinesischer mit MDD-Diagnose (V=0,55, p=0,001). LLM-generierte Cluster-Beschreibungen waren klinisch interpretierbar.
Übertragbarkeit auf Deutschland
Multinationale Validierung, romanische und asiatische Sprachen, Methodik auf deutschsprachige Kohorten übertragbar.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.