論文の概要: Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling
- arxiv url: http://arxiv.org/abs/2505.15715v1
- Date: Wed, 21 May 2025 16:24:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-22 15:42:59.775349
- Title: Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling
- Title（参考訳）: 共感を超えて:メンタルヘルスカウンセリングのための大規模言語モデルを用いた診断と治療的推論の統合
- Authors: He Hu, Yucheng Zhou, Juzheng Si, Qianning Wang, Hengheng Zhang, Fuji Ren, Fei Ma, Laizhong Cui,
- Abstract要約: PsyLLMは、メンタルヘルスカウンセリングの診断と治療的推論を統合するために設計された大きな言語モデルである。
このパイプラインは現実世界のメンタルヘルスポストを処理し、マルチターン対話構造を生成する。
厳密な多次元フィルタリングは、高品質で臨床的に整合した対話データを生成する。
- 参考スコア（独自算出の注目度）: 17.809187205107232
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) hold significant potential for mental health support, capable of generating empathetic responses and simulating therapeutic conversations. However, existing LLM-based approaches often lack the clinical grounding necessary for real-world psychological counseling, particularly in explicit diagnostic reasoning aligned with standards like the DSM/ICD and incorporating diverse therapeutic modalities beyond basic empathy or single strategies. To address these critical limitations, we propose PsyLLM, the first large language model designed to systematically integrate both diagnostic and therapeutic reasoning for mental health counseling. To develop the PsyLLM, we propose a novel automated data synthesis pipeline. This pipeline processes real-world mental health posts, generates multi-turn dialogue structures, and leverages LLMs guided by international diagnostic standards (e.g., DSM/ICD) and multiple therapeutic frameworks (e.g., CBT, ACT, psychodynamic) to simulate detailed clinical reasoning processes. Rigorous multi-dimensional filtering ensures the generation of high-quality, clinically aligned dialogue data. In addition, we introduce a new benchmark and evaluation protocol, assessing counseling quality across four key dimensions: comprehensiveness, professionalism, authenticity, and safety. Our experiments demonstrate that PsyLLM significantly outperforms state-of-the-art baseline models on this benchmark.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、共感的な反応を発生させ、治療的会話をシミュレートできる精神的な健康支援に重要な可能性を秘めている。
しかし、既存のLSMベースのアプローチは、現実世界の心理学的カウンセリング、特にDSM/ICDのような標準に準拠した明確な診断的推論において、基本的な共感や単一戦略以上の多様な治療的モダリティを取り入れた臨床基盤を欠いていることが多い。
これらの限界に対処するため,精神保健カウンセリングのための診断と治療の理性の両方を体系的に統合した最初の大規模言語モデルであるPsyLLMを提案する。
PsyLLMを開発するために,新しい自動データ合成パイプラインを提案する。
このパイプラインは、現実世界のメンタルヘルスポストを処理し、マルチターンの対話構造を生成し、国際的な診断基準(例えば、DSM/ICD)と複数の治療フレームワーク(例えば、CBT、ACT、サイコダイナミック)によって導かれるLCMを活用して、詳細な臨床推論プロセスをシミュレートする。
厳密な多次元フィルタリングは、高品質で臨床的に整合した対話データを生成する。
さらに、包括性、専門性、信頼性、安全性の4つの重要な側面でカウンセリングの品質を評価するための、新しいベンチマークと評価プロトコルを導入する。
このベンチマークではPsyLLMが最先端のベースラインモデルを大幅に上回ることを示した。
関連論文リスト
- A Survey of Large Language Models in Psychotherapy: Current Landscape and Future Directions [13.17064228097947]
大規模言語モデル(LLM)は、精神疾患の評価、診断、治療を強化することにより、精神療法における有望な解決策を提供する。
本調査は、精神療法におけるLLM応用の現状を概観する。
本稿では,精神療法の過程を,評価,診断,治療の3つの要素に分類し,各領域における課題と進歩を検討するための新しい概念分類法を提案する。
論文 参考訳（メタデータ） (2025-02-16T12:18:40Z) - Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations [74.83732294523402]
実世界の診断シナリオをシミュレートし,USMLE標準に適合するノイズと難易度を統合する新しいベンチマークを導入する。
また、対話に基づく微調整についても検討し、静的データセットを会話形式に変換し、反復的推論プロセスをよりよく捉える。
実験の結果、対話調整されたモデルは従来の手法よりも優れており、マルチラウンド推論のシナリオでは9.64%、ノイズの多い環境では6.18%の精度で改善されている。
論文 参考訳（メタデータ） (2025-01-29T18:58:48Z) - 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) - Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory [35.41386783586689]
本稿では,患者と精神科医の対話を模擬してうつ病診断を促進する自己改善型会話エージェントシステムであるエージェント・メンタル・クリニック(AMC)を紹介する。
本稿では,3次記憶構造,対話制御,およびメモリサンプリングモジュールから構成される精神科医エージェントを設計し,精神科医エージェントが反映するスキルを十分に活用し,抑うつリスクと自殺リスク診断の会話による高精度化を実現する。
論文 参考訳（メタデータ） (2024-09-20T14:25:08Z) - PsycoLLM: Enhancing LLM for Psychological Understanding and Evaluation [32.40846713004979]
PsycoLLMは、提案された高品質な心理的データセットに基づいて訓練されている。
このプロセスは、オンラインプラットフォームから抽出された現実世界の心理的背景によって強化される。
中国における信頼性心理学的カウンセリング試験に基づく総合心理学的ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-07-08T08:25:56Z) - LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。
得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文 参考訳（メタデータ） (2024-06-09T09:03:11Z) - 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) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z)
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。