面向可解释抑郁症状标注的自进化以人为中心框架

标注质量是构建可靠可解释心理健康人工智能（XAI）系统的主要瓶颈。在抑郁相关数据集中，标签常在无结构化证据、无症状级论证、或与DSM-5-TR标准无可追溯对齐的情况下被指派——限制透明度与下游模型可解释性。我们提出面向重度抑郁障碍（MDD）的自进化、专家在环标注框架：结合LLM辅助标注与专家核验。该框架旨在支撑构建可解释、与DSM-5-TR对齐的数据集，而非执行临床诊断。它分三阶段运作：从文本记录选择候选证据、准则级的DSM-5-TR分析、以及产出标签级诊断与严重度标注的案例级综合。双层记忆架构——由示例记忆与反思记忆组成——被设计为内化专家反馈并迭代改进未来标注而无需重训。我们描述该机制并把其跨多个反馈周期的评估留给后续工作。除最终标签外，框架导出临床证据、推理痕迹与编辑历史——使能全面可审计。在使用专家评审样本的试点研究中：所提方法改善标注一致性与可解释性，同时减少人工修订工作量。