Evaluating Open-Weight Large Language Models for Structured Depression Assessment from Clinical Interviews
Jeffrey M. Girard; Gaossou Youssouf Kebe; Louis-Philippe Morency; Fernando De la Torre; Einat Liebenthal; Justin T. Baker
- Año
- 2026
- DOI
- 10.31234/osf.io/63sw4_v3 (se abre en una pestaña nueva)
- Licencia
- CC BY
Resumen ADIPA
Elaborado con IA a partir del resumen de los autoresArtículo empírico que evalúa modelos de lenguaje abiertos para la calificación automatizada de la Escala de Depresión de Montgomery-Åsberg (MADRS) a partir de transcripciones de entrevistas clínicas. El estudio incluyó 541 entrevistas grabadas con 277 pacientes psiquiátricos internados con diversos trastornos afectivos y psicóticos. Los investigadores evaluaron 25 arquitecturas de modelos y hallaron que la estrategia de predecir puntuaciones individuales de ítems (sumadas posteriormente) superó significativamente la predicción directa del puntaje total. Los modelos de mejor desempeño alcanzaron tasas de error "buenas" y correlaciones "excelentes" con evaluaciones humanas confiables. Un análisis de ablación reveló que los criterios de calificación fueron el factor principal de desempeño, mientras que ejemplos de pocas instancias proporcionaron beneficio mínimo. Se identificó una brecha multimodal donde modelos solo de texto presentaron dificultades con ítems dependientes de comportamiento no verbal.
Puntos clave
- Los modelos de lenguaje abiertos pueden calificar la MADRS desde transcripciones de entrevistas con correlaciones excelentes y tasas de error buenas, comparables a la confiabilidad interaluador humana establecida.
- La estrategia indirecta de predecir puntuaciones de ítems individuales y sumarlas superó significativamente la predicción directa del puntaje total, sugiriendo que descomponer la evaluación en pasos de razonamiento intermedio mejora el desempeño.
- Los criterios de calificación descriptivos fueron el principal impulsor del desempeño del modelo, mientras que los ejemplos de pocas instancias contribuyeron mínimamente, validando la viabilidad del aviso sin ejemplos (zero-shot).
Para quién: Clínicos, investigadores en salud mental y desarrolladores de tecnología que buscan integrar evaluación asistida por inteligencia artificial en entrevistas de depresión sin comprometer la privacidad de pacientes.
Resumen de los autores
Áreas y palabras clave
Cómo citar (APA 7)
Girard, J. M., Kebe, G. Y., Morency, L. P., De la Torre, F., Liebenthal, E., & Baker, J. T. (2026). Evaluating Open-Weight Large Language Models for Structured Depression Assessment from Clinical Interviews. https://doi.org/10.31234/osf.io/63sw4_v3