Wearable Prompt: In-Context Learning na predpovedanie depresie a úzkosti z metrík spotrebiteľských inteligentných prstňov

Štúdia skúmala možnosť použitia ľahkých jazykových modelov (LLM) na predpovedanie symptómov depresie a úzkosti z údajov inteligentného prstňa Oura Ring. Výskum zahŕňal 1 285 účastníkov z fínskej kohorty narodených v roku 1986, ktorí poskytli údaje z 4 až 8 dní. Údaje o aktivite, spánku, srdcovej frekvencii, variabilite srdcovej frekvencie a demografických charakteristikách boli konvertované do textových výziev pre modely Llama 3.1, BioMistral a Qwen 2.5. Výsledky ukázali, že dizajn výzvy je kritický pre presnosť predpovedí. Model Llama 3.1 so štyrmi príkladmi v kontexte dosiahol najlepšie výsledky s presnosťou 0,92, makro-F1 skóre 0,82 a F1 skóre 0,69 pre pozitívnu triedu. Zistenia naznačujú, že ľahké jazykové modely môžu byť sľubným nástrojom na predpovedanie duševného zdravia z údajov spotrebiteľských nositeľných zariadení.