PHQ-9를 사용한 우울증 스크리닝을위한 GPT-4O 및 RAG 기반 음성 챗봇의 효과 및 수용 가능성 평가 (GPT4-RAG-PHQ)
이 연구는 환자 건강 설문지 -9 (PHQ-9)를 사용하여 우울증 스크리닝을 수행하기 위해 GPT-4O 및 검색 방지 생성 (RAG)에 의해 구동되는 음성 기반 챗봇의 타당성과 수용 가능성을 평가하는 것을 목표로합니다. PHQ-9는 우울증의 심각성을 스크리닝, 진단 및 모니터링하는 데 널리 사용되는 검증 된 자체보고 기기입니다. 그것은 주요 우울 장애에 대한 정신 장애의 진단 및 통계 매뉴얼 (DSM-5) 기준에 해당하는 9 가지 질문으로 구성됩니다. 응답자들은 지난 2 주 동안 경험 한 증상의 빈도를 0 ( "전혀 아님")에서 3 ( "거의 매일")까지 척도로 평가합니다. 총 점수 (0에서 27 사이)는 최소, 경증, 중등도, 중간 정도, 중증 또는 심한 우울증으로 분류 된 우울 증상의 심각성을 나타냅니다. PHQ-9는 또한 기능적 손상을 평가하고 임상 및 연구 환경에서 치료 결정을 안내하는 데 사용됩니다.
음성 기반 챗봇은 GPT-4O를 통합하여 RAG를 통합하여 상호 작용 중에 정보 및 상황에 맞는 응답을 제공하는 능력을 향상시킵니다. GPT-4O는 대화 엔진 역할을하며 인간과 유사하고 공감하며 맥락 적으로 적절한 대화를 생성 할 수 있습니다. 반면에 Rag는 챗봇이 선별 된 데이터베이스 또는 지식 저장소에서 외부 최신 지식을 검색하고 통합하여 응답의 정확성과 신뢰성을 보장 할 수 있습니다.
연구 개요
상세 설명
우울증은 상당한 개인적, 사회적, 경제적 비용으로 널리 퍼져있는 정신 건강 문제입니다. 전통적인 정신 건강 자원은 낙인, 제한된 가용성 및 장기 대기 시간과 같은 장벽에 직면합니다. 기술, 특히 AI 구동 도구는 이러한 격차를 해소 할 수있는 기회를 제공합니다. 이 연구는 GPT-4O 및 RAG를 활용하여 대화 참여가 가능한 음성 인터랙티브 챗봇을 만들고, PHQ-9 설문지를 관리하며, 개인화 된 피드백을 제공합니다.
참가자는 챗봇과 상호 작용하기 전에 자체 테스트를 위해 PHQ-9를 채우게됩니다 (결과는 일반인에게 공개되지 않으며 정확도 비교에만 사용됩니다). 자체 테스트 결과는 다음과 비교됩니다. 챗봇이 정확도 측면에서 제공 한 결과.
챗봇 상호 작용은 세 단계로 구성됩니다.
관계 구축 및 일반적인 지원을위한 워밍업 대화.
- 챗봇은 캐주얼, 공감 대화를 시작하여 사용자와의 관계를 구축하여 PHQ-9 스크리닝으로 전환하기 전에 편안하고 편안하게 느끼도록 도와줍니다.
- 사용자는 정신 건강과 관련된 일반적인 질문을 할 수 있으며 챗봇은 정보 및 지원 응답을 제공합니다.
우울증 스크리닝을위한 PHQ-9 설문지의 투여.
- 챗봇은 PHQ-9 설문지를 소개하여 그 목적과 결과가 사용자의 정신 건강을 평가하는 데 어떻게 도움이되는지 설명합니다.
- 음성 상호 작용을 통해 사용자는 9 개의 PHQ-9 질문에 응답하고 챗봇은 응답을 기록합니다. 챗봇은 사용자가 특정 항목을 이해하는 데 어려움이있는 경우 질문을 명확히하거나 추가 상황을 제공 할 수 있습니다.
결과 분석 및 맞춤형 권장 사항의 전달.
- 사용자가 PHQ-9를 완료 한 후 챗봇은 응답을 분석하고 총 점수를 계산하며 결과를 심각도 수준 (예 : 경미, 보통)으로 분류합니다.
- 점수를 바탕으로 Chatbot은 가벼운 증상을위한 자조 전략 또는보다 심각한 경우에 대한 전문적인 정신 건강 서비스를 제안하는 개인화 된 권장 사항을 제공합니다.
참가자는 챗봇과 상호 작용 한 다음 1 시간 반 구조화 된 인터뷰에 참여하여 경험에 대한 피드백을 제공합니다. 이 연구는 정신 건강 검진에서 이러한 LLM 기반 챗봇을 사용하는 수용 가능성과 타당성을 평가하고 잠재적 인 개선 및 위험을 식별하는 데 중점을 둡니다.
연구 목표 주요 목표
PHQ-9를 사용한 우울증 스크리닝을 위해 GPT-4O 및 RAG 기반 음성 챗봇 (HopeBot)의 수용 가능성, 타당성 및 정확성을 평가합니다.
가설 : 참가자들은 HopeBot (65%이상)에 대한 높은 수용과 미래의 정신 건강 검진을 위해 LLM 기반 챗봇을 사용하려는 의지 (65%이상)를 보여 주었으며 LLM의 지원 도구로서 LLM의 신뢰성을 인식했습니다. 정신 건강 검진 (65%이상). 우울증 스크리닝에 HopeBot의 사용자는 자기 테스트 PHQ-9 결과를 100% 일치 시켰습니다.
- 우울 증상을 식별하고 실행 가능한 권장 사항을 전달할 때 챗봇의 효과를 분석합니다.
가설 : HopeBot은 사용자가 친근한 방식으로 PHQ-9 테스트를 수행하고 사용자가 답변을 정확하게 분류하고 정확한 테스트 결과를 제공하는 데 도움을 줄 수 있습니다. 이들이 제공하는 조언은 공식 PHQ-9 지침 및 70% 이상을 기반으로합니다. 사용자는 자신의 응답이 매우 효과적이고 도움이된다고 말합니다.
이차 목표
정신 건강을위한 음성 인터랙티브 챗봇을 만드는 데있어서 LLM과 LLM을 통합하는 타당성과 성능을 평가합니다.
가설 : 참가자의 65% 이상이 RAG를 사용한 반응이 더 도움이되고 효과적임을 인식했습니다.
- 정신 건강 영역에 LLM을 배포 할 수있는 강점, 한계 및 위험을 탐색합니다.
가설 : 사용자의 65% 이상이 HopeBot이 매우 편리하고 접근하기 쉬우 며 비판적 조언을 제공하기 위해 비용이 없다고 말합니다. 그러나 50%는 여전히 개인 정보 및 데이터 보안에 대한 우려를 표명했습니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 장소
-
-
-
London, 영국, NW1 2DA
- UCL Institute of Health Informatics
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
연구 인구는 심각한 정신 질환이없는 18 세에서 65 세 사이의 건강한 개인으로 구성됩니다. 인공 지능 기술에 관심이있는 참가자들을 환영합니다. 채용은 온라인 및 오프라인 모두에서 수행됩니다.
참가자는 정신 건강 전문가와의 상담을 시뮬레이션하도록 설계된 정교한 AI 챗봇에 참여합니다. 이러한 상호 작용을 통해 PHQ-9 테스트와 같은 심리 평가를 구조적이면서도 대화적인 방식으로 완료 할 수 있습니다. PHQ-9 테스트의 기존 온라인 버전과 달리 챗봇은 향상된 상호 작용을 제공합니다. 응답을 표현하거나 요약하는 데 어려움을 겪을 수있는 개인의 경우 챗봇은 포괄적 인 언어 모델을 사용하여 설명 및 지원을 제공합니다.
평가 후 참가자는 확립 된 정신 건강 지침에 따라 전달되는 맞춤형 조언과 함께 테스트 결과를 해석합니다.
설명
포함 기준 :
- 18-65 세의 성인.
- 영어로 유창합니다.
- 음성 상호 작용 및 안정적인 인터넷 연결이 가능한 장치에 대한 액세스.
- 챗봇 상호 작용 및 후속 인터뷰에 기꺼이 참여할 의향이 있습니다.
제외 기준 :
- 현재 중증 정신과 진단 (예 : 정신병, 양극성 장애).
- 정신과 의사와의 우울증 치료를받는 참가자.
- 음성 기반 기술 또는 사전 동의를 제공 할 수없는 불편 함.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
GPT-4O 및 Rag Voice Chatbot의 타당성 및 수용 가능성
기간: 인터뷰는 챗봇 상호 작용 직후에 수행됩니다.
|
챗봇의 타당성, 수용 가능성 및 효율성에 대한 참가자의 인식은 상호 작용 세션 후에 수행 된 반 구조적 인터뷰를 통해 평가됩니다.
이 인터뷰는 챗봇의 공감, 유용성 및 전반적인 사용자 경험과 같은 테마를 탐구합니다.
|
인터뷰는 챗봇 상호 작용 직후에 수행됩니다.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
챗봇에 의한 PHQ-9 점수의 정확도
기간: 상호 작용 세션 직후 측정 된 챗봇이 PHQ-9 점수를 생성 한 후
|
챗봇에 의해 생성 된 PHQ-9 점수의 정확도는 챗봇의 결과를 상호 작용 전에 수집 한 참가자의 자체보고 된 PHQ-9 점수와 비교하여 측정됩니다.
Cohen 's Kappa 또는 클래스 내 상관 계수 (ICC)와 같은 통계적 방법을 사용하여 계약이 평가됩니다.
|
상호 작용 세션 직후 측정 된 챗봇이 PHQ-9 점수를 생성 한 후
|
공동 작업자 및 조사자
수사관
- 연구 책임자: Kezhi Li, University College, London
연구 기록 날짜
연구 주요 날짜
연구 시작 (추정된)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- 26133.001 (기타 식별자: UCL Research Ethics Committee)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .