スーマンタ・マンデュル氏らは2026年10月14日(現地時間)、オンラインプレプリントサーバーarXiv cs.CLに論文を発表した。この論文は、ソーシャルメディアの投稿履歴からうつ病質問票の回答を推論する新しいパイプライン「SREE (Symptom Retrieval and Evidence-Grounded InfErence)」を提案する。既存の検索手法と比較し、SREEは投稿レベルの精度で大幅な改善を達成したと報告されており、うつ病評価における客観的な証拠抽出の重要性を浮き彫りにした。

ソーシャルメディアの長期間にわたる投稿履歴は、うつ病の評価において潜在的な有用性を持つとされ、標準化されたうつ病質問票の回答推論を支援する可能性が指摘されている。しかし、このタスクには、症状に意味的に関連し、ユーザーに帰属可能であり、かつ個別の質問項目を裏付けるに足る具体性を持つ証拠を特定するという複雑な課題が伴う。

従来の多くのアプローチは、投稿をセマンティックな類似性のみに基づいて検索していた。この方法は、しばしば誤解を招く証拠や、実際のユーザーの経験に帰属できない証拠を生成する問題があった。特に、単一の投稿内で複数の症状が言及されている場合や、他者の経験について議論されている場合には、この問題が顕著であった。

提案されたSREE (Symptom Retrieval and Evidence-Grounded InfErence)は、証拠に基づいたパイプラインとして設計されている。まず、一人称で記述され、かつ症状に特化したテキストスパンを自動的に抽出する。次に、Facility Locationアルゴリズムに着想を得た目的関数を用いて、抽出されたスパンの中から最も代表的なサブセットを選択する。最終的に、選択された証拠に基づいてEvidence-Gated Inference(証拠条件付き推論)を実行する。

SREEの有効性は、BDI-Senデータセットにおける証拠検索と、eRisk 2019-2021チャレンジにおける証拠条件付き質問票推論という二つの異なる評価設定で検証された。評価結果によると、SREEは最先端の検索アプローチと比較して、投稿レベルの精度で70%の相対的改善、F1スコアで59%の相対的改善を達成した。同時に、検索対象となる投稿数を少なくとも30%削減することにも成功している。複数の症状が言及された文においては、検索予算を2倍に増やした場合でも、SREEは高密度検索を精度とF1スコアの両方で上回る性能を示した。eRiskの全3コレクションにおいても、SREEは項目レベルでの完全一致において最高の成績を収め、順序尺度および集計メトリクスでも競争力のある結果を提示した。これらの結果は、うつ病質問票の回答を推論するプロセスにおいて、まず帰属可能な証拠を正確に特定し、その構成を精密に制御することの重要性を示唆している。


参考: arXiv cs.CL (アーカイブ) — 2026年11月11日 14:00 (JST)

この記事をシェア
X はてブ LinkedIn