論文の概要: A Multi-Agent Large Language Model Framework for Automated Qualitative Analysis

• arxiv url: http://arxiv.org/abs/2512.16063v1
• Date: Thu, 18 Dec 2025 01:13:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.866647
• Title: A Multi-Agent Large Language Model Framework for Automated Qualitative Analysis
• Title（参考訳）: 自動定性解析のための多言語大言語モデルフレームワーク
• Authors: Qidi Xu, Nuzha Amjad, Grace Giles, Alexa Cumming, De'angelo Hermesky, Alexander Wen, Min Ji Kwak, Yejin Kim,
• Abstract要約: 定性的な主題分析を自動化する多エージェント大規模言語モデルフレームワークを開発した。 心不全患者12名を対象に,CoTI(Collaborative Theme Identification Agent)を適用した。 CoTIは、下級研究員とベースラインNLPモデルの両方よりも上級研究員のものと類似したキーフレーズ、テーマ、コードブックを特定した。
• 参考スコア（独自算出の注目度）: 33.33790079767106
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding patients experiences is essential for advancing patient centered care, especially in chronic diseases that require ongoing communication. However, qualitative thematic analysis, the primary approach for exploring these experiences, remains labor intensive, subjective, and difficult to scale. In this study, we developed a multi agent large language model framework that automates qualitative thematic analysis through three agents (Instructor, Thematizer, CodebookGenerator), named Collaborative Theme Identification Agent (CoTI). We applied CoTI to 12 heart failure patient interviews to analyze their perceptions of medication intensity. CoTI identified key phrases, themes, and codebook that were more similar to those of the senior investigator than both junior investigators and baseline NLP models. We also implemented CoTI into a user-facing application to enable AI human interaction in qualitative analysis. However, collaboration between CoTI and junior investigators provided only marginal gains, suggesting they may overrely on CoTI and limit their independent critical thinking.
• Abstract（参考訳）: 患者体験を理解することは、特に継続的なコミュニケーションを必要とする慢性疾患において、患者中心のケアを進めるために不可欠である。 しかし、これらの経験を探索するための主要なアプローチである質的テーマ分析は、労働集約的で主観的でスケールが難しいままである。 本研究では,3つのエージェント(インストラクタ,セマタイザ,コードブックジェネレータ)による定性的テーマ解析を自動化する多エージェント大規模言語モデルフレームワーク,CoTIを開発した。 心不全患者12名を対象に,CoTIを用いて薬剤強度の知覚を解析した。 CoTIは、下級研究員とベースラインNLPモデルの両方よりも上級研究員のものと類似したキーフレーズ、テーマ、コードブックを特定した。 また,定性解析におけるAIヒューマンインタラクションを実現するために,CoTIをユーザ対応アプリケーションに実装した。 しかし、CoTIとジュニア調査員の協力は限界的な利益しか提供せず、彼らはCoTIに過度に依存し、彼らの独立した批判的思考を制限する可能性があることを示唆している。

関連論文リスト

• An Agentic AI System for Multi-Framework Communication Coding [17.846847341760675]
  臨床コミュニケーションのための多フレーム構造化エージェントAIシステム(MOSAIC)を開発した。 MOSAICはLangGraphベースのアーキテクチャ上に構築されており、コードブックの選択とワークフロー計画のためのPlan Agentを含む4つのコアエージェントを編成する。 性能を評価するため,訓練された人間のコーダが作成したゴールドスタンダードアノテーションとMOSAIC出力を比較した。
  論文  参考訳（メタデータ） (2025-12-09T14:46:16Z)
• Automated Clinical Problem Detection from SOAP Notes using a Collaborative Multi-Agent LLM Architecture [8.072932739333309]
  我々は,このギャップに対処するために,臨床相談チームをモデル化する共同マルチエージェントシステム(MAS)を導入する。 このシステムは、SOAPノートの主観的(S)および目的的(O)セクションのみを分析することによって、臨床上の問題を特定する。 マネージャエージェントは、階層的で反復的な議論に従事し、合意に達するために、動的に割り当てられた専門家エージェントのチームを編成する。
  論文  参考訳（メタデータ） (2025-08-29T17:31:24Z)
• Auto-TA: Towards Scalable Automated Thematic Analysis (TA) via Multi-Agent Large Language Models with Reinforcement Learning [3.3212706551453155]
  先天性心疾患(CHD: Congenital heart disease)は、従来の臨床指標では示されていない、複雑で寿命の長い課題である。 本稿では,臨床物語のエンド・ツー・エンドのセマンティック分析を行う,完全自動大規模言語モデル(LLM)パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-06-30T16:02:28Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
  この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。 専門医2名と専門医9名を対象にインタビューを行った。 我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。 既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
  論文  参考訳（メタデータ） (2025-05-30T21:15:57Z)
• Silence is Not Consensus: Disrupting Agreement Bias in Multi-Agent LLMs via Catfish Agent for Clinical Decision Making [80.94208848596215]
  提案する概念は「Catfish Agent」である。これは、構造的不満を注入し、無声な合意に反するように設計された役割特化LDMである。 組織心理学において「ナマズ・エフェクト」にインスパイアされたカマズ・エージェントは、より深い推論を促進するために、新たなコンセンサスに挑戦するように設計されている。
  論文  参考訳（メタデータ） (2025-05-27T17:59:50Z)
• TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
  Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。 本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。 TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
  論文  参考訳（メタデータ） (2025-03-26T15:58:16Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)

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。