論文の概要: Beyond the Script: Testing LLMs for Authentic Patient Communication Styles in Healthcare

• arxiv url: http://arxiv.org/abs/2503.22250v1
• Date: Fri, 28 Mar 2025 09:04:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:28:26.166583
• Title: Beyond the Script: Testing LLMs for Authentic Patient Communication Styles in Healthcare
• Title（参考訳）: スクリプトを超えて: 医療における認証患者のコミュニケーションスタイルのためのLLMのテスト
• Authors: Anna Bodonhelyi, Christian Stegemann-Philipps, Alessandra Sonanini, Lea Herschbach, Márton Szép, Anne Herrmann-Werner, Teresa Festl-Wietek, Enkelejda Kasneci, Friederike Holderried,
• Abstract要約: 本研究は,患者とのコミュニケーションスタイルをシミュレートするためのLarge Language Models (LLMs) を提案する。 感情的・会話的特徴を具現化した仮想患者(VP)を開発した。 医療専門家はこれらのVPを評価し、信頼度(3.8 pm 1.0$;合理化:3.7 pm 0.8$)を評価し、彼らのスタイルを正確に識別した。
• 参考スコア（独自算出の注目度）: 39.67477471073807
• License:
• Abstract: Effective patient communication is pivotal in healthcare, yet traditional medical training often lacks exposure to diverse, challenging interpersonal dynamics. To bridge this gap, this study proposes the use of Large Language Models (LLMs) to simulate authentic patient communication styles, specifically the "accuser" and "rationalizer" personas derived from the Satir model, while also ensuring multilingual applicability to accommodate diverse cultural contexts and enhance accessibility for medical professionals. Leveraging advanced prompt engineering, including behavioral prompts, author's notes, and stubbornness mechanisms, we developed virtual patients (VPs) that embody nuanced emotional and conversational traits. Medical professionals evaluated these VPs, rating their authenticity (accuser: $3.8 \pm 1.0$; rationalizer: $3.7 \pm 0.8$ on a 5-point Likert scale (from one to five)) and correctly identifying their styles. Emotion analysis revealed distinct profiles: the accuser exhibited pain, anger, and distress, while the rationalizer displayed contemplation and calmness, aligning with predefined, detailed patient description including medical history. Sentiment scores (on a scale from zero to nine) further validated these differences in the communication styles, with the accuser adopting negative ($3.1 \pm 0.6$) and the rationalizer more neutral ($4.0 \pm 0.4$) tone. These results underscore LLMs' capability to replicate complex communication styles, offering transformative potential for medical education. This approach equips trainees to navigate challenging clinical scenarios by providing realistic, adaptable patient interactions, enhancing empathy and diagnostic acumen. Our findings advocate for AI-driven tools as scalable, cost-effective solutions to cultivate nuanced communication skills, setting a foundation for future innovations in healthcare training.
• Abstract（参考訳）: 効果的な患者コミュニケーションは医療において重要であるが、伝統的な医療訓練では、多様で挑戦的な対人的ダイナミクスへの露出が欠如していることが多い。 このギャップを埋めるために,Satirモデルから派生した「アクセサ」および「リレーサ」ペルソナをシミュレートするLarge Language Models (LLMs) を提案するとともに,多様な文化的文脈に適応し,医療従事者へのアクセシビリティを高めるための多言語適用性を確保する。 行動的プロンプトや著者のノート,頑健なメカニズムなど,高度なプロンプトエンジニアリングを活用して,情緒的・会話的な特徴を具現化した仮想患者(VP)を開発した。 医療専門家はこれらのVPを評価し、信頼度(3.8 pm 1.0$;合理化:3.7 pm 0.8$)を評価し、彼らのスタイルを正確に識別した。 感情分析では、アクサは痛み、怒り、苦痛を示し、合理化剤は熟考と落ち着きを示し、医療史を含む詳細な患者の説明と一致した。 感度スコア(0から9の尺度で)は、これらのコミュニケーションスタイルの違いをさらに検証し、アクセルは負(3.1 \pm 0.6$)、合理化器はより中立(4.0 \pm 0.4$)である。 これらの結果は、複雑なコミュニケーションスタイルを再現するLLMの能力を強調し、医療教育に変革をもたらす可能性がある。 このアプローチは、現実的で適応可能な患者との相互作用を提供し、共感と診断能力を高めることによって、挑戦的な臨床シナリオを訓練者に提供する。 我々の研究は、AI駆動のツールを、医療訓練における将来のイノベーションの基盤となるニュアンス通信スキルを育むためのスケーラブルで費用効率のよいソリューションとして提唱している。

関連論文リスト

• LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
  LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。 本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。 実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
  論文  参考訳（メタデータ） (2025-01-07T08:49:04Z)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• A Comparative Study on Patient Language across Therapeutic Domains for Effective Patient Voice Classification in Online Health Discussions [0.48124799513933847]
  本研究では,患者音声の正確な分類における言語的特徴の重要性を分析する。 我々は、類似した言語パターンと組み合わせたデータセットに基づいて事前学習した言語モデルを微調整し、高い精度で患者音声を自動分類した。 この話題の先駆的な研究として、ソーシャルメディアから真正の患者体験を抽出することに注力することは、医療基準の進歩に向けた重要なステップである。
  論文  参考訳（メタデータ） (2024-07-23T15:51:46Z)
• Synthetic Patients: Simulating Difficult Conversations with Multimodal Generative AI for Medical Education [0.0]
  効果的な患者中心コミュニケーションは、医師にとって重要な能力である。 調味剤提供者と医療研修生の双方は、センシティブな話題に関する会話をリードする自信を減らした。 本稿では,ビデオによる会話の対話的リアルタイムシミュレーションを支援するための,新しい教育ツールを提案する。
  論文  参考訳（メタデータ） (2024-05-30T11:02:08Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Probabilistic emotion and sentiment modelling of patient-reported experiences [0.04096453902709291]
  本研究では,オンライン体験談話から患者感情をモデル化する新しい手法を提案する。 ケアオピニオンから患者が報告した経験を分析するために,メタデータネットワークトピックをモデル化する。 マルチラベル感情とバイナリ感情の両方を予測できる確率論的・文脈特異的感情推薦システムを開発した。
  論文  参考訳（メタデータ） (2024-01-09T05:39:20Z)
• Evaluating the Efficacy of Interactive Language Therapy Based on LLM for High-Functioning Autistic Adolescent Psychological Counseling [1.1780706927049207]
  本研究では,高機能自閉症青年に対する対話型言語治療におけるLarge Language Models(LLMs)の有効性について検討した。 LLMは、従来の心理学的カウンセリング手法を強化する新しい機会を提供する。
  論文  参考訳（メタデータ） (2023-11-12T07:55:39Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• MedNgage: A Dataset for Understanding Engagement in Patient-Nurse Conversations [4.847266237348932]
  症状を効果的に管理する患者は、医療従事者との会話や介入において、より高いレベルのエンゲージメントを示すことが多い。 AIシステムは、患者と実践者との自然な会話におけるエンゲージメントを理解して、患者のケアにもっと貢献することが不可欠である。 本稿では,がん症状管理に関する患者と看護者の会話をまとめた新しいデータセット(MedNgage)を提案する。
  論文  参考訳（メタデータ） (2023-05-31T16:06:07Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。