跳到主要内容
返回时间线
arXiv来源发表:

OAK-Mind 不训练也能判断抑郁焦虑变化:两个公开数据集上准确率超过有监督基线

核心概要

被动感知数据长期靠有标签样本训练模型来推断心理健康,而标签本身难以获得。OAK-Mind 把手机与可穿戴设备的睡眠、活动、移动和手机使用数据按行为维度交给多个由文献知识约束的智能体分别解读,再由综合智能体汇总、按 PHQ-4 问卷条目打分,从而在不做任务微调、不使用他人标签的条件下判断症状相对个人基线是改善、稳定还是恶化。在 GLOBEM 与 College Experience 两个数据集上,其抑郁变化分类准确率分别为 0.56 和 0.52,高于所比较的最强有监督基线。

Source-provided article image: OAK-Mind: Zero-Training Mental Health Change Inference from Passive Sensing via Knowledge-Grounded Multi-Agent LLMs
arXiv

深度剖析

从被动感知数据推断心理健康变化,现在可以不做任务特定训练,只凭个人基线问卷和后续一段感知数据给出改善、稳定或恶化的判断。 此前的做法是把感知特征映射到自报心理健康结果来训练有监督模型,这依赖足够多且高质量的有标签感知数据,而这类数据难以获得。 在 GLOBEM 上,抑郁变化分类准确率从最强有监督基线的 0.47 升到 0.56,平衡准确率从 0.46 升到 0.57;在 College Experience 上,准确率从 0.48 升到 0.52,平衡准确率从 0.44 升到 0.52。

系统把一次推断拆成三层:四个行为智能体分别比较基线与随访窗口内的睡眠、活动、移动和手机使用,综合智能体汇总跨域证据,症状评分智能体再按 PHQ-4 条目估算随访得分并与基线比较。 每个行为智能体的提示词里嵌入从心理健康知识图谱检索出的领域知识,这些关系由大模型从文献与临床参考文档中抽取,再按行为域和结局关键词筛选。 评估使用 GLOBEM 的 124 个测试配对和 College Experience 的 40 个测试配对,主比较中所有大模型方法都用 GPT-5.4、温度 1.2,各方法运行五次取均值。

启示与展望

评估覆盖 GLOBEM 与 College Experience 两个公开数据集上的抑郁与焦虑变化三分类,受试者均为大学生,College Experience 仅限 iOS 用户,且只保留具备完整 14 天感知窗口的评估记录。

自报 PHQ-2 与 GAD-2 分数的升降不等同于临床意义上的变化,评估未纳入临床评估或临床医生判断;中间叙述是否准确描述感知数据、是否有助于人们审阅预测,也尚未检验。