論文の概要: Can Language Models Understand Social Behavior in Clinical Conversations?

• arxiv url: http://arxiv.org/abs/2505.04152v1
• Date: Wed, 07 May 2025 06:03:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:35.985902
• Title: Can Language Models Understand Social Behavior in Clinical Conversations?
• Title（参考訳）: 言語モデルは臨床会話における社会的行動を理解することができるか?
• Authors: Manas Satish Bedmutha, Feng Chen, Andrea Hartzler, Trevor Cohen, Nadir Weibel,
• Abstract要約: 社会的シグナルは非言語的手がかりを通じて伝達され、患者と研究者の関係の質を形成する。 大規模言語モデル(LLM)の最近の進歩は、感情的・社会的行動を予測する能力の増大を示している。 そこで本研究では,この20個の符号化信号をすべて追跡し,LLM動作のパターンを明らかにするシステムを提案する。
• 参考スコア（独自算出の注目度）: 13.269701124756978
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Effective communication between providers and their patients influences health and care outcomes. The effectiveness of such conversations has been linked not only to the exchange of clinical information, but also to a range of interpersonal behaviors; commonly referred to as social signals, which are often conveyed through non-verbal cues and shape the quality of the patient-provider relationship. Recent advances in large language models (LLMs) have demonstrated an increasing ability to infer emotional and social behaviors even when analyzing only textual information. As automation increases also in clinical settings, such as for transcription of patient-provider conversations, there is growing potential for LLMs to automatically analyze and extract social behaviors from these interactions. To explore the foundational capabilities of LLMs in tracking social signals in clinical dialogue, we designed task-specific prompts and evaluated model performance across multiple architectures and prompting styles using a highly imbalanced, annotated dataset spanning 20 distinct social signals such as provider dominance, patient warmth, etc. We present the first system capable of tracking all these 20 coded signals, and uncover patterns in LLM behavior. Further analysis of model configurations and clinical context provides insights for enhancing LLM performance on social signal processing tasks in healthcare settings.
• Abstract（参考訳）: 提供者とその患者間の効果的なコミュニケーションは、健康とケアの結果に影響を与える。 このような会話の有効性は、臨床情報の交換だけでなく、様々な対人行動(一般に社会信号と呼ばれる)にも関係している。 大規模言語モデル(LLM)の最近の進歩は、テキスト情報のみを分析しても、感情や社会的行動を推測する能力が増大していることを示している。 患者と患者の会話の書き起こしなど、臨床現場でも自動化が進むにつれ、LLMはこれらの相互作用から社会行動を自動的に分析し抽出する可能性が高まっている。 臨床対話における社会信号追跡におけるLCMの基礎的能力を探るため,複数のアーキテクチャをまたいだタスク特異的なプロンプトとモデル性能の評価を行い,提供者支配,患者温暖化など,20の異なる社会信号にまたがる高度に不均衡な注釈付きデータセットを用いて,モデル性能の評価を行った。 そこで本研究では,この20個の符号化信号をすべて追跡し,LLM動作のパターンを明らかにするシステムを提案する。 モデル構成と臨床コンテキストのさらなる分析は、医療環境における社会的信号処理タスクにおけるLCMの性能向上に関する洞察を提供する。

関連論文リスト

• PALLM: Evaluating and Enhancing PALLiative Care Conversations with Large Language Models [10.258261180305439]
  大規模言語モデル(LLM)は、複雑なコミュニケーションメトリクスを評価するための新しいアプローチを提供する。 LLMは受動的センシングシステムとジャスト・イン・タイム・イン・タイム・イン・イン・介入システムとの統合を通じて、分野を前進させる可能性を提供する。 本研究は, 言語, 文脈内学習, 推論能力を活用した緩和ケアコミュニケーションの質評価手法としてLLMについて検討する。
  論文  参考訳（メタデータ） (2024-09-23T16:39:12Z)
• 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)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Toward Automated Detection of Biased Social Signals from the Content of Clinical Conversations [17.62785999112639]
  過度なバイアスは患者と患者の間の相互作用を阻害し、不適切なケアにつながる。 患者と患者との対話において,音声認識(ASR)と自然言語処理(NLP)を用いて社会的信号の同定を行った。
  論文  参考訳（メタデータ） (2024-07-01T17:20:37Z)
• 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)
• Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts [4.403408362362806]
  本稿では,対話型対話による精神科的意思決定支援のための大規模言語モデルを文脈化するための,対話型連鎖促進手法を提案する。 このアプローチにより、大規模言語モデルでは、患者の行動コーディングのためのコーディングスキーム、患者の状態、およびドメイン知識を活用することができる。
  論文  参考訳（メタデータ） (2024-03-20T17:47:49Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)

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。