[論文レビュー] World Trade Center responders in their own words: Predicting PTSD symptom trajectories with AI-based language analyses of interviews

Youngseo Son, Sean Clouston+5 more|arXiv (Cornell University)|Nov 12, 2020

Mental Health via Writing参考文献 40被引用数 8

ひとこと要約

本研究では、124名のワールドトレードセンター対応者に対する口述史インタビューをAIベースの言語分析で解析し、最大7年間にわたるPTSD症状の推移を予測した。その結果、不安定な言語が将来の症状悪化を予測する一方で、第一人称複数代名詞の使用やより長い語の使用は症状の改善を予測した。これは、AIがトラウマにさらされた集団における早期の精神的健康リスク予測に有効である可能性を示している。

ABSTRACT

Background: Oral histories from 9/11 responders to the World Trade Center (WTC) attacks provide rich narratives about distress and resilience. Artificial Intelligence (AI) models promise to detect psychopathology in natural language, but they have been evaluated primarily in non-clinical settings using social media. This study sought to test the ability of AI-based language assessments to predict PTSD symptom trajectories among responders. Methods: Participants were 124 responders whose health was monitored at the Stony Brook WTC Health and Wellness Program who completed oral history interviews about their initial WTC experiences. PTSD symptom severity was measured longitudinally using the PTSD Checklist (PCL) for up to 7 years post-interview. AI-based indicators were computed for depression, anxiety, neuroticism, and extraversion along with dictionary-based measures of linguistic and interpersonal style. Linear regression and multilevel models estimated associations of AI indicators with concurrent and subsequent PTSD symptom severity (significance adjusted by false discovery rate). Results: Cross-sectionally, greater depressive language (beta=0.32; p=0.043) and first-person singular usage (beta=0.31; p=0.044) were associated with increased symptom severity. Longitudinally, anxious language predicted future worsening in PCL scores (beta=0.31; p=0.031), whereas first-person plural usage (beta=-0.37; p=0.007) and longer words usage (beta=-0.36; p=0.007) predicted improvement. Conclusions: This is the first study to demonstrate the value of AI in understanding PTSD in a vulnerable population. Future studies should extend this application to other trauma exposures and to other demographic groups, especially under-represented minorities.

研究の動機と目的

• 脆弱でトラウマにさらされた集団におけるAIベースの言語分析の予測能を評価すること。
• 口述史から得られる言語的特徴が、PTSD重症度の縦断的変化を予測できるかどうかを評価すること。
• AIの精神保健分野への応用をSNSから臨床的・トラウマにさらされた集団に拡張すること。
• 第一人称ナラティブにおいてレジリエンスまたは症状進行に関連する特定の言語的マーカーを同定すること。

提案手法

• 124名のワールドトレードセンター対応者から、9/11体験に関する口述史インタビューを収集した。
• AIベースの自然言語処理を用いて、抑うつ、不安、神経症傾向、外向性、言語的スタイルの指標を抽出した。
• 線形回帰および多層回帰モデルを用いて、AIで導出された言語的特徴と同時および将来のPTSDチェックリスト（PCL）スコアとの関連を分析した。
• 多重比較の制御のため、誤り発見率補正を適用した。
• 同一時点の関連（クロスセクショナル）と将来の結果との関連（縦断的）を両方分析した。
• 辞書ベースおよび機械学習ベースのアプローチを用いて、代名詞の使用や語長といった言語的パターンを定量化した。

実験結果

リサーチクエスチョン

• RQ1 AIベースの言語分析を第一人称ナラティブに適用することで、ワールドトレードセンター対応者の将来のPTSD症状の重症度を予測できるか？
• RQ2 感情のトーン、代名詞の使用、語長といった言語的特徴の中で、PTSD推移を最もよく予測するのはどれか？
• RQ3 内因的症状（例：不安、抑うつ）の指標は、時間の経過とともにPTSDの悪化と相関するか？
• RQ4 社会的つながりのマーカー（例：第一人称複数）や認知的複雑性のマーカー（例：長い語）は、症状の改善と関連するか？
• RQ5 臨床的ナラティブで訓練されたAIモデルは、トラウマにさらされた集団におけるPTSD結果の予測において、従来の手法を上回る性能を示せるか？

主な発見

• 抑うつ的言語の増加は、同時に高いPTSD症状重症度と有意に関連していた（beta = 0.32, p = 0.043）。
• 第一人称単数代名詞の使用増加は、同時に高いPTSD症状と関連していた（beta = 0.31, p = 0.044）。
• 不安定な言語は縦断的分析で、将来のPCLスコアの悪化を予測した（beta = 0.31, p = 0.031）。
• 第一人称複数代名詞の使用は、時間の経過とともに症状の改善と関連していた（beta = -0.37, p = 0.007）。
• より長い語の使用も症状の改善を予測した（beta = -0.36, p = 0.007）。
• 本研究では、AIベースの言語分析が臨床的・トラウマにさらされた集団におけるPTSD推移を予測可能であることが示された。これは、SNSを越えた応用拡張を示している。