传统自然语言处理与大型语言模型在心理健康状态分类中的较量：一项多模型评估研究

本研究针对全球心理健康障碍激增的现状，比较了三种计算方法的分类效能：采用高级特征工程的传统自然语言处理(NLP)、提示工程大型语言模型(LLM)和微调LLM。研究人员通过分析51,000余条社交媒体文本，发现传统NLP模型以95%的准确率显著优于提示工程LLM(65%)和微调LLM(91%)，证实专业优化方法在心理健康分类中的优势，为AI辅助诊断提供了重要技术路径。

　　

心理健康问题已成为全球疾病负担的重要组成，每年导致巨大痛苦和经济损失。随着社交媒体成为心理健康表达的重要窗口，如何通过AI技术精准识别用户心理状态成为研究热点。传统自然语言处理(NLP)与新兴大型语言模型(LLM)孰优孰劣？来自瑞典林雪平大学的研究团队Thomas Kallstenius等人在《Scientific Reports》发表的研究给出了令人意外的答案。

研究团队收集了52,681条标注七类心理健康状态（正常、抑郁、自杀倾向、焦虑、压力、双相障碍、人格障碍）的社交媒体文本。通过三种技术路径的对比：基于TF-IDF向量化和支持向量机(SVM)的传统NLP、采用GPT-4o-mini的提示工程方案、以及微调版GPT-4o-mini模型，揭示了不同方法在分类性能上的显著差异。

关键技术方法包括：1) 文本预处理（标准化、停用词去除、TF-IDF向量化）；2) 数据增强（通过回译技术扩充样本）；3) 分层抽样解决类别不平衡问题；4) 采用精确度(Precision)、召回率(Recall)和F1值等临床相关指标评估模型性能。

研究结果显示：

1. 提示工程LLM表现欠佳：基础GPT-4o-mini模型仅获65%准确率，在人格障碍分类中精确度低至28%，证实通用LLM直接应用于专业领域的局限性。

2. 微调模型易过拟合：经过3轮微调的GPT-4o-mini达到91%准确率，但第4轮训练后性能下降至85%，凸显LLM在专业领域应用时需要谨慎控制训练强度。

3. 传统NLP模型脱颖而出：采用TF-IDF+SVM的模型以95%准确率全面领先，在人格障碍分类中精确度高达99%，其优势还包括：

   • 本地化处理保障数据隐私
   • 提供多维置信度评分
   • 计算资源需求仅为LLM的1/100

讨论部分指出，该研究对AI辅助心理健康监测具有三重启示：

1. 技术选择：在资源受限场景下，传统NLP仍是性价比最优解；而需要捕捉复杂语义时（如自杀倾向识别），微调LLM可作为补充。

2. 临床适配性：模型评估指标需与临床需求对齐——自杀筛查应侧重召回率（避免漏诊），而资源分配决策需优先考虑精确度（避免误诊）。

3. 包容性挑战：当前模型对神经多样性群体（如自闭症患者）的语言特征识别不足，未来需开发适应性更强的分类框架。

这项研究打破了"越大越好"的LLM迷信，证明经过精心设计的传统方法在特定专业领域仍具不可替代性。研究者已将最佳性能模型集成至网络应用，通过多轮问答实现心理健康初筛，为数字医疗时代提供了可靠的技术范本。