Resumo Técnico: Dep-LLM

Declaração do Problema

A Detecção Automática de Depressão (ADD) a partir de transcrições de entrevistas clínicas enfrenta dois gargalos críticos que impedem a implementação de sistemas supervisionados:

1. Desafios de Raciocínio em Contextos Longos: Entrevistas clínicas são extensas e abrangem múltiplos tópicos, com pistas de depressão sendo complexas, mas esparsamente distribuídas e frequentemente entrelaçadas com conteúdos irrelevantes (ex: saudações). Modelos de Linguagem de Grande Escala (LLMs) convencionais tendem a colapsar esses diálogos em julgamentos holísticos e superficiais, negligenciando pistas clínicas específicas ou produzindo alucinações medicamente não confiáveis.
2. Escassez de Dados e Altos Custos de Treinamento: Métodos supervisionados e LLMs ajustados (fine-tuned) dependem fortemente de dados clínicos rotulados em larga escala, que são escassos devido a preocupações de privacidade e ética. Além disso, o custo computacional para treinar ou ajustar modelos de fundação cria uma barreira proibitiva para instituições clínicas com orçamentos limitados.

Abordagens existentes, incluindo aprendizado profundo supervisionado e raciocínio generativo com LLMs, frequentemente carecem de mecanismos internos para verificar a confiabilidade de seu próprio raciocínio ou dependem intensivamente de dados rotulados escassos e recursos computacionais.

Metodologia: Dep-LLM

Os autores propõem o Dep-LLM, um novo framework livre de treinamento que opera inteiramente sobre LLMs de fundação congelados e prontos para uso (off-the-shelf). O framework espelha o processo de raciocínio passo a passo de psiquiatras clínicos através de um pipeline de três estágios, não exigindo ajuste fino específico para a tarefa, nenhum corpus de depressão rotulado e nenhum parâmetro treinável auxiliar.

1. Análise Multifatorial de Depressão via CoT

Para abordar a dificuldade de modelar pistas esparsas em contextos longos, o primeiro estágio emprega um esquema de Cadeia de Pensamento (Chain-of-Thought - CoT) para decompor estruturalmente o diálogo da entrevista bruta. Este processo envolve três etapas sequenciais de prompting no mesmo LLM congelado:

• Extração de Conteúdo Temático: O diálogo é decomposto em quatro temas atômicos alinhados com a Entrevista Clínica Estruturada para o DSM-5 (SCID): Relacionamento Familiar, Satisfação Profissional, Estado Mental e Histórico Médico. Conversas triviais são filtradas.
• Síntese Global Integrativa: Os temas atômicos são integrados em um resumo narrativo global para capturar pistas globais (ex: consistência emocional entre temas) que temas isolados não conseguem expressar.
• Análise Multifatorial de Depressão: O modelo realiza uma avaliação detalhada sobre todo o espaço multifatorial (5 temas $\times$ 3 rótulos: Depressivo, Saudável, Neutro). Para cada par (tema, rótulo), o LLM gera uma pontuação de possibilidade ($P_{ij}$) e uma justificativa explícita fundamentada em evidências ($R_{ij}$).

2. Análise de Confiança Semântica e Modulação

Como os LLMs livres de treinamento são propensos a produzir explicações localmente plausíveis, mas clinicamente não confiáveis, o segundo estágio quantifica a confiabilidade epistêmica de cada justificativa sem verificação supervisionada.

• Entropia ao Nível de Token: A confiança é derivada da distribuição preditiva de tokens do LLM. A confiança da justificativa ($C$) é definida como o recíproco da entropia de Shannon ($H$) da distribuição de tokens. Baixa entropia (alta confiança) indica que o modelo é decisivo e provavelmente está se baseando em conhecimento internalizado, enquanto alta entropia sugere incerteza ou alucinação.
• Modulação Contrastiva: Para evitar artefatos causados pela escala (ex: temas mais longos dominando), o sistema aplica uma modulação intra-rótulo e inter-tema. Este mecanismo amplifica sinais de temas onde a justificativa é confiável, enquanto suprime os incertos, ponderando efetivamente os fatores diagnósticos mais confiáveis.

3. Predição Colaborativa Multifatorial

O estágio final sintetiza as avaliações multifatoriais em uma única decisão diagnóstica via fusão ponderada pela confiança:

• Agregação: Pontuações de suporte para cada rótulo são computadas fundindo as pontuações de possibilidade com as confianças moduladas dos cinco temas.
• Regra de Decisão: Um coeficiente depressivo ($\delta$) é calculado, incorporando evidências depressivas, evidências de saúde e evidência neutra calibrada. A predição final é determinada comparando $\delta$ contra um limiar de decisão ($\delta^*$).
• Transparência: Todos os coeficientes são ou derivados analiticamente do processo de modulação ou fixados como hiperparâmetros transparentes, garantindo que o sistema permaneça interpretável e livre de pesos aprendidos.

Principais Contribuições

1. Framework Estruturado Multifatorial: Os autores introduzem o Dep-LLM, um framework que aborda o raciocínio em diálogos longos do tipo SCID, decompondo-os em temas clinicamente alinhados e verificando a confiabilidade através de um mecanismo de confiança.
2. Eficiência Livre de Treinamento: O framework é implementado inteiramente em um cenário livre de treinamento, eliminando o overhead de treinamento de modelos caros e a necessidade de dados rotulados escassos, mantendo um forte desempenho em cenários clínicos.
3. Arquitetura Integrada: A arquitetura integra de forma única o raciocínio CoT, análise de confiança semântica (baseada em entropia de token) e fusão multifatorial colaborativa, reforçando conjuntamente a interpretabilidade e a racionalidade do diagnóstico.

Resultados Experimentais

Experimentos extensivos foram conduzidos nos conjuntos de dados DAIC-WOZ e E-DAIC.

• Vs. Baselines Zero-Shot: O Dep-LLM foi avaliado em 21 LLMs de fundação (incluindo famílias Llama-2/3/4, Qwen-2.5/3/3.5 e Gemma-2/3, variando de 4B a 17B parâmetros). Ele superou os baselines zero-shot em quase todas as 9 métricas (Acurácia, Macro F1, F1 de Média Ponderada, etc.) para quase todos os modelos testados. Notavelmente, ele reduziu a lacuna de raciocínio para modelos mais fracos (ex: melhorando o MaF1 em mais de 20% no Llama3-8B-Base) e alcançou as melhores pontuações quando pareado com o Gemma3-12B-Instruct (MaF1: 0.818).
• Vs. LLMs de Domínio Específicos Supervisionados: O Dep-LLM superou modelos supervisionados representativos (ex: MentalBERT, MentaLLaMA, BioMistral) que dependem de pré-treinamento e ajuste fino extensivos em corpora de saúde mental. Por exemplo, no DAIC-WOZ, o Dep-LLM alcançou uma Acurácia de 0.851 comparado a 0.766 do melhor baseline supervisionado (MentalBERT).
• Vs. LLMs Comerciais de Código Fechado: O Dep-LLM superou os mais recentes LLMs comerciais de código fechado (incluindo GPT-5.5, Gemini-3.1-Pro, Claude-Opus-4.6 e DeepSeek-V4) na maioria das métricas em ambos os datasets, apesar de ser construído sobre uma fundação de código aberto significativamente menor (12B).
• Estudos de Ablação: Experimentos confirmaram que remover o raciocínio CoT, os temas individuais ou o mecanismo de modulação de confiança levou a quedas significativas de desempenho, validando a necessidade de cada componente.

Significância e Alegações

O artigo afirma que o Dep-LLM oferece um aumento generalizável e agnóstico ao backbone que fortalece sistematicamente os LLMs comuns no raciocínio de depressão em contextos longos. Sua principal significância reside em demonstrar que um pipeline bem estruturado e livre de treinamento pode rivalizar e superar modelos específicos de domínio supervisionados e LLMs comerciais de fronteira em cenários clínicos de alto risco.

Ao depender de decomposição estruturada por CoT e modulação de confiança baseada em entropia, o framework alcança alta acurácia e interpretabilidade sem os custos proibitivos de coleta de dados e treinamento de modelos. Isso torna o Dep-LLM particularmente adequado para ambientes clínicos do mundo real, onde a privacidade de dados é primordial e os orçamentos computacionais são restritos. Os autores enfatizam que, para aplicações clínicas, a qualidade da estrutura de raciocínio e a verificação de confiabilidade são mais críticas do que a mera escala de parâmetros.