Core Concepts
ChatGPTを活用することで、自閉症スペクトラム障害に関連する言語障害の診断精度を大幅に向上させ、特徴的な言語パターンを特定できる。
Abstract
本研究では、自閉症スペクトラム障害(ASD)に関連する言語障害の診断と特徴抽出にChatGPTを活用した。
まず、Caltech ADOS Audio Datasetを用いて、ChatGPTの診断精度を従来の機械学習モデルと比較した。その結果、ChatGPTは精度、適合率、再現率、F1スコアのすべての指標で大幅に優れていることが示された。特に、精度と F1スコアはBERTモデルを12%以上上回った。
次に、言語障害の10の特徴を定義し、ChatGPTを用いてこれらの特徴を抽出した。相関分析の結果、これらの特徴には強い関連性があることが明らかになった。例えば、エコー反復(F1)、不適切な冗談(F4)、形式的な言語使用(F5)の3つの特徴は強い相関を示した。
さらに、各シナリオにおける特徴の出現率を分析したところ、反復的な言語使用(F2、F6、F7)が多くのシナリオで高い出現率を示した一方で、エコー反復(F1)や固定観念的な言語使用(F4、F5、F9)は特定のシナリオでのみ観察された。
最後に、2つの事例研究を示し、ChatGPTを用いた言語障害の特定がASD診断に有効であることを実証した。
以上の結果から、ChatGPTを活用することで、ASDに関連する言語障害の診断精度を大幅に向上させ、詳細な言語特徴を特定できることが示された。この手法は、早期介入と個別化された治療計画の策定に役立つと期待される。
Stats
自閉症スペクトラム障害の診断には、言語の反復使用、不適切な冗談、形式的な言語使用などの特徴が重要である。
これらの特徴は、対話シナリオによって出現率が大きく異なる。例えば、反復的な言語使用は多くのシナリオで高い一方、エコー反復は特定のシナリオでのみ観察された。
Quotes
"ChatGPTは従来のモデルと比べて、精度、適合率、再現率、F1スコアのすべての指標で大幅に優れている。"
"自閉症スペクトラム障害に関連する言語障害の10の特徴には強い相関関係がある。"
"ChatGPTを活用することで、ASDに関連する言語障害の診断精度を大幅に向上させ、詳細な言語特徴を特定できる。"