Transparent but Powerful: Explainability, Accuracy, and Generalizability in ADHD Detection from Social Media Data (University of Amsterdam, University of Florida, 23 nov 2024)
arXiv
Keywords: TDAH; detección; explicabilidad; precisión; generalizabilidad; redes sociales; procesamiento de lenguaje natural; aprendizaje automático; BiLSTM; transformer; cribado digital.
Descripción: Este estudio explora métodos para detectar el trastorno por déficit de atención e hiperactividad (TDAH) a partir de datos de redes sociales, comparando modelos de aprendizaje automático y profundo basados en BiLSTM y arquitecturas transformer. Se analizan las compensaciones entre interpretabilidad y rendimiento, y se evalúa la capacidad de generalización mediante datos de Reddit y Twitter. Los resultados identifican patrones lingüísticos clave asociados al TDAH y proporcionan bases para el desarrollo de herramientas de cribado digital no invasivas y escalables.
Large language models deconstruct the clinical intuition behind diagnosing autism (26 mar 2025 – Universidades e instituciones de Montreal)
Cell,
git
Keywords: autismo; diagnóstico clínico; intuición clínica; modelos de lenguaje a gran escala; LLM; explicabilidad; DSM-5; comportamientos repetitivos estereotipados; intereses especiales; conductas basadas en percepción.
Descripción: Este estudio emplea grandes modelos de lenguaje para descomponer y examinar la lógica de la intuición clínica de expertos a partir de informes médicos, con el fin de entender mejor el diagnóstico del trastorno del espectro autista. Tras un preentrenamiento en cientos de millones de oraciones generales y un ajuste fino con más de 4.000 registros de salud libres, el modelo distingue entre casos confirmados y sospechosos de autismo. Mediante una estrategia de explicabilidad, el sistema identifica las frases más determinantes para la decisión diagnóstica, resaltando criterios clave del DSM-5 como los comportamientos repetitivos estereotipados, intereses especiales y conductas basadas en la percepción. Los hallazgos ofrecen una visión profunda del proceso de diagnóstico y abren camino a herramientas clínicas asistidas por IA.