Quantifier les différences interindividuelles dans l'expérience subjective avec l’intelligence artificielle pour la prédiction des symptômes psychiatriques
Notice bibliographique
Résumé
La façon dont les individus perçoivent subjectivement le monde influence grandement leur propre bien-être mental. Cependant, caractériser avec précision la richesse de telles expériences demeure un défi considérable. Un problème persistant est notamment le manque d’outils objectifs permettant de quantifier et de comparer directement les rapports narratifs d’expériences subjectives. Ici, nous développons une nouvelle approche pour cartographier et comparer les rapports verbaux d'expériences subjectives en utilisant les réseaux de neurones artificiels (RNA). À l'aide d'une série de 31 stimuli, dont 30 images et 1 question ouverte, nous avons quantifié comment les rapports d'expériences fournis par les participants (n = 210, 50 % de femmes) divergent les uns des autres et comment ces variations sont liées à l'expérience subjective et la santé mentale. Nous avons constaté que les projections des rapports de l'expérience extraites des RNA peuvent prédire avec précision la valence subjective et les jugements d'excitation dans une série d'images émotionnelles. De plus, nous montrons que des facteurs transdiagnostiques de la santé mentale peuvent être prédits avec précision à l’aide de rapports narratifs projetés d’une série d’images ambiguës. Bien que le fonctionnement exact des RNA soient notoirement difficiles à interpréter, nous proposons une nouvelle approche pour synthétiser des stimuli visuels avec l’intelligence artificielle générative qui peut être utilisée pour explorer les distorsions sémantiques dans les expériences rapportées. En résumé, la cartographie spatiale latente de l’expérience subjective pourrait offrir une voie prometteuse pour quantifier objectivement les distorsions de l’expérience subjective en santé mentale et pourrait aider à identifier de nouvelles cibles thérapeutiques pour les interventions cliniques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».