近日，北京大學(xué)心理與認(rèn)知科學(xué)學(xué)院周廣玉課題組在國(guó)際健康心理學(xué)期刊Applied Psychology: Health and Wellbeing上發(fā)表題為Enhancing Health Assessments with Large Language Models: A Methodological Approach的論文。該研究提出了一種創(chuàng)新的健康心理學(xué)評(píng)估方法ScaleLLM，利用大語言模型（LLMs）提高了身心健康評(píng)估的準(zhǔn)確性和可解釋性。
在健康心理學(xué)中，評(píng)估個(gè)體的身體與心理健康狀態(tài)對(duì)制定有效的干預(yù)策略至關(guān)重要。傳統(tǒng)評(píng)估方法依賴于線性統(tǒng)計(jì)分析，盡管簡(jiǎn)便易行，但難以全面反映健康相關(guān)因素之間的復(fù)雜互動(dòng)，導(dǎo)致預(yù)測(cè)精度有限。同時(shí)，盡管機(jī)器學(xué)習(xí)模型具備較強(qiáng)的預(yù)測(cè)能力，但其對(duì)大數(shù)據(jù)集的依賴性和缺乏可解釋性限制了其在健康評(píng)估中的廣泛應(yīng)用。
為解決這些問題，研究團(tuán)隊(duì)提出了ScaleLLM。該方法基于LLM的自然語言理解和推理能力，通過三層評(píng)估機(jī)制大幅提升了健康評(píng)估的準(zhǔn)確性和解釋性。首先，語言對(duì)齊模塊將量表數(shù)據(jù)翻譯為自然語言，使ScaleLLM能夠更好地理解和處理這些數(shù)據(jù)。其次，知識(shí)對(duì)齊模塊通過整合教科書知識(shí)、互聯(lián)網(wǎng)知識(shí)和統(tǒng)計(jì)數(shù)據(jù)，增強(qiáng)了ScaleLLM的專業(yè)知識(shí)。最后，ScaleLLM在無監(jiān)督條件下進(jìn)行健康評(píng)估，并結(jié)合鏈?zhǔn)酵评怼⑸舷挛膶W(xué)習(xí)等策略，生成預(yù)測(cè)結(jié)果及其解釋。
實(shí)驗(yàn)結(jié)果表明，ScaleLLM在多個(gè)健康評(píng)估任務(wù)中表現(xiàn)優(yōu)異。研究團(tuán)隊(duì)使用了心臟病、糖尿病和心理健康三個(gè)數(shù)據(jù)集進(jìn)行測(cè)試，結(jié)果顯示，ScaleLLM在預(yù)測(cè)準(zhǔn)確性和可解釋性方面均優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)模型和現(xiàn)有的LLM模型。
本研究的創(chuàng)新之處在于，它不僅提升了健康評(píng)估的預(yù)測(cè)準(zhǔn)確性，還通過解釋模型預(yù)測(cè)結(jié)果的推理過程，增強(qiáng)了其透明度。這種方法為未來的健康心理學(xué)評(píng)估工具開發(fā)提供了重要的理論支持和技術(shù)基礎(chǔ)。
本文第一作者為實(shí)驗(yàn)室2024級(jí)博士生王曦，通訊作者為周廣玉研究員。本研究得到了國(guó)家社會(huì)科學(xué)基金（21BSH158）資助。
論文：Wang X., Zhou Y., Zhou G. (2024). Enhancing Health Assessments with Large Language Models: A Methodological Approach. Applied Psychology: Health and Wellbeing. http://doi.org/10.1111/aphw.12602
2024-10-12