当 PCOS 遇到饮食失调时：一种可解释的人工智能方法来检测隐藏的三重负担

患有多囊卵巢综合症 (PCOS) 的女性面临着身体形象困扰、饮食失调和代谢挑战的显着增加的风险，但现有的用于检测这些状况的自然语言处理方法缺乏透明度，并且无法识别同时发生的表现。我们开发了小型开源语言模型，可以自动检测社交媒体帖子中的这三重负担，并具有扎实的可解释性。我们从 6 个 Reddit 子版块中收集了 1,000 个与 PCOS 相关的帖子，并由两名训练有素的注释者使用 Lee 等人的操作指南对帖子进行了标记。 （2017）临床框架。使用低秩适应对三个模型（Gemma-2-2B、Qwen3-1.7B、DeepSeek-R1-Distill-Qwen-1.5B）进行微调，以生成带有文本证据的结构化解释。最佳模型在 150 个保留的帖子上实现了 75.3% 的精确匹配准确率，具有强大的合并症检测和强大的可解释性。性能随着诊断的复杂性而下降，这表明它们的最佳用途是筛查而不是自主诊断。