論文の概要: HealthDial: A No-Code LLM-Assisted Dialogue Authoring Tool for Healthcare Virtual Agents
- arxiv url: http://arxiv.org/abs/2510.15898v1
- Date: Wed, 10 Sep 2025 19:37:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.086293
- Title: HealthDial: A No-Code LLM-Assisted Dialogue Authoring Tool for Healthcare Virtual Agents
- Title（参考訳）: HealthDial: ヘルスケア仮想エージェントのためのノーコードLLM支援対話オーサリングツール
- Authors: Farnaz Nouraei, Zhuorui Yong, Timothy Bickmore,
- Abstract要約: HealthDialは、医療提供者や教育者が、複数の会話を通じて患者に健康教育とカウンセリングを提供する仮想エージェントを作成するのを助ける対話オーサリングツールである。
HealthDialは、大きな言語モデル(LLM)を活用して、テキストベースの患者健康教育教材を入力として、セッション毎にセッションベースの計画と会話を自動的に作成する。
認可された対話は、仮想エージェント配信のための有限状態マシンの形式で出力され、すべてのコンテンツを検証することができ、幻覚による安全でないアドバイスは提供されない。
- 参考スコア（独自算出の注目度）: 2.2302915692528367
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce HealthDial, a dialogue authoring tool that helps healthcare providers and educators create virtual agents that deliver health education and counseling to patients over multiple conversations. HealthDial leverages large language models (LLMs) to automatically create an initial session-based plan and conversations for each session using text-based patient health education materials as input. Authored dialogue is output in the form of finite state machines for virtual agent delivery so that all content can be validated and no unsafe advice is provided resulting from LLM hallucinations. LLM-drafted dialogue structure and language can be edited by the author in a no-code user interface to ensure validity and optimize clarity and impact. We conducted a feasibility and usability study with counselors and students to test our approach with an authoring task for cancer screening education. Participants used HealthDial and then tested their resulting dialogue by interacting with a 3D-animated virtual agent delivering the dialogue. Through participants' evaluations of the task experience and final dialogues, we show that HealthDial provides a promising first step for counselors to ensure full coverage of their health education materials, while creating understandable and actionable virtual agent dialogue with patients.
- Abstract（参考訳）: 医療提供者や教育者が、複数の会話を通じて患者に健康教育とカウンセリングを提供する仮想エージェントを作成するのを支援する対話オーサリングツールであるHealthDialを紹介する。
HealthDialは、大きな言語モデル(LLM)を活用して、テキストベースの患者健康教育教材を入力として、セッション毎にセッションベースの計画と会話を自動的に作成する。
認可された対話は、仮想エージェント配信のための有限状態マシンの形式で出力され、すべてのコンテンツを検証することができ、LLM幻覚による安全でないアドバイスは提供されない。
LLMで描画された対話構造と言語は、著者によってノーコードユーザインタフェースで編集され、妥当性を保証し、明快さと影響を最適化することができる。
我々は,がん検診教育のオーサリング・タスクで,カウンセラーや学生とともに,我々のアプローチを検証し,実現可能性とユーザビリティについて検討した。
参加者はHealthDialを使用して、対話を提供する3Dアニメーション仮想エージェントと対話することで、結果の対話をテストした。
参加者による課題体験と最終対話の評価を通じて、HealthDialは、患者との理解しやすく行動可能な仮想エージェント対話を作成しながら、健康教育教材の完全なカバレッジを確保するためのカウンセラーにとって有望な第一歩であることを示す。
関連論文リスト
- Tell Me: An LLM-powered Mental Well-being Assistant with RAG, Synthetic Dialogue Generation, and Agentic Planning [0.0]
Tell Meは、大きな言語モデルの進歩を活用して、ユーザと研究者にアクセシブルでコンテキスト対応のサポートを提供する、メンタルウェルビーイングシステムである。
i) パーソナライズされた知識基盤対話のための検索強化世代アシスタント(RAG) ; (ii) クライアントプロファイルに条件付き合成クライアントセラピスト対話ジェネレータで、治療言語とデータ拡張の研究を容易にする。
論文 参考訳（メタデータ） (2025-11-18T12:43:04Z) - Chatbot To Help Patients Understand Their Health [15.774681886100383]
NoteAid-Chatbotは,新たな‘会話としての学習’フレームワークを通じて,患者の理解を促進する会話型AIだ。
NoteAid-Chatbotは、医療会話戦略を用いて合成された会話データの初期教師付き微調整と、シミュレートされた病院退院シナリオにおける患者理解評価から得られる報酬のRLの2段階で訓練された軽量LLaMA 3.2 3Bモデルに基づいて構築された。
論文 参考訳（メタデータ） (2025-09-06T19:50:44Z) - Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。
我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。
我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
論文 参考訳（メタデータ） (2024-09-24T22:31:39Z) - Leveraging Large Language Models for Patient Engagement: The Power of Conversational AI in Digital Health [1.8772687384996551]
大規模言語モデル(LLM)は、会話型AIを通じて医療における患者のエンゲージメントを変革する新たな機会を開いた。
4つのケーススタディを通して,LLMの非構造化会話データ処理能力を示す。
論文 参考訳（メタデータ） (2024-06-19T16:02:04Z) - 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) - A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks
and Datasets [70.32630628211803]
本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。
マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。
本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
論文 参考訳（メタデータ） (2022-04-19T16:43:21Z) - MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware
Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。
MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。
実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文 参考訳（メタデータ） (2020-10-15T03:34:33Z)
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。