論文の概要: SynthAgent: A Multi-Agent LLM Framework for Realistic Patient Simulation -- A Case Study in Obesity with Mental Health Comorbidities

• arxiv url: http://arxiv.org/abs/2602.08254v1
• Date: Mon, 09 Feb 2026 04:14:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.062292
• Title: SynthAgent: A Multi-Agent LLM Framework for Realistic Patient Simulation -- A Case Study in Obesity with Mental Health Comorbidities
• Title（参考訳）: SynthAgent: リアルな患者シミュレーションのためのマルチエージェントLLMフレームワーク-メンタルヘルス・コモビディティの肥満を事例として
• Authors: Arman Aghaee, Sepehr Asgarian, Jouhyun Jeon,
• Abstract要約: コンコービッド・メンタル障害を有する肥満患者をモデル化するための新しいマルチエージェント・システム(MAS)フレームワークであるSynthAgentを紹介する。 SynthAgentは、クレームデータ、人口調査、患者中心の文献から、臨床および医学的証拠を統合する。 このシステムは、様々な精神社会的文脈で病気の進行、治療反応、生活管理をシミュレートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating high-fidelity patients offers a powerful avenue for studying complex diseases while addressing the challenges of fragmented, biased, and privacy-restricted real-world data. In this study, we introduce SynthAgent, a novel Multi-Agent System (MAS) framework designed to model obesity patients with comorbid mental disorders, including depression, anxiety, social phobia, and binge eating disorder. SynthAgent integrates clinical and medical evidence from claims data, population surveys, and patient-centered literature to construct personalized virtual patients enriched with personality traits that influence adherence, emotion regulation, and lifestyle behaviors. Through autonomous agent interactions, the system simulates disease progression, treatment response, and life management across diverse psychosocial contexts. Evaluation of more than 100 generated patients demonstrated that GPT-5 and Claude 4.5 Sonnet achieved the highest fidelity as the core engine in the proposed MAS framework, outperforming Gemini 2.5 Pro and DeepSeek-R1. SynthAgent thus provides a scalable and privacy-preserving framework for exploring patient journeys, behavioral dynamics, and decision-making processes in both medical and psychological domains.
• Abstract（参考訳）: 高忠実度患者のシミュレーションは、断片化、偏り、およびプライバシー制限された現実世界データの課題に対処しながら、複雑な疾患を研究するための強力な道を提供する。 本研究では、うつ病、不安症、社会的恐怖症、びまん性摂食障害を含む複合性精神疾患患者の肥満をモデル化するための新しいマルチエージェントシステム(MAS)フレームワークであるSynthAgentを紹介する。 SynthAgentは、クレームデータ、人口調査、患者中心の文献からの臨床的および医学的証拠を統合し、従属性、感情の規制、ライフスタイルに影響を及ぼすパーソナライズされた仮想患者を構築する。 自律的なエージェントの相互作用を通じて、システムは様々な精神社会的文脈における疾患の進行、治療反応、生活管理をシミュレートする。 GPT-5 と Claude 4.5 Sonnet は GPT-5 と Claude 4.5 Sonnet が MAS フレームワークのコアエンジンとして最も忠実であり,Gemini 2.5 Pro と DeepSeek-R1 より優れていた。 これにより、SynthAgentは、医療と心理学の両方領域における患者旅行、行動力学、意思決定プロセスを探索するためのスケーラブルでプライバシー保護のフレームワークを提供する。

関連論文リスト

• A Semantic Framework for Patient Digital Twins in Chronic Care [0.0]
  患者医療デジタルツイン(PMDT)は、生理的、精神社会的、行動的、ゲノム的な情報をコヒーレントなモデルに統合する。 PMDTはセマンティック・インターオペラビリティを確保し、自動推論をサポートし、さまざまな臨床コンテキストでの再利用を可能にする。 データ断片化とセマンティック標準化のギャップを埋めることによって、PMDTは、次世代デジタルヘルスエコシステムの検証された基盤を提供する。
  論文  参考訳（メタデータ） (2025-10-10T08:34:55Z)
• Patient-Zero: A Unified Framework for Real-Record-Free Patient Agent Generation [11.75912414451272]
  実際の医療記録を必要としない現実的な患者生成フレームワークであるPatent-Zeroを提案する。 patient-Zeroはまず、医療に整合したマルチステップ生成アーキテクチャを導入し、実際の医療記録を使わずに階層的な医療知識注入を通じて包括的な患者記録を構築する。 本フレームワークは,適応的対話戦略とリアルタイム臨床的妥当性検証によって支援され,厳密な医療コヒーレンスを維持しつつ,文脈的に多様な患者記録の生成を可能にする。
  論文  参考訳（メタデータ） (2025-09-14T03:56:00Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• AI Agents for Conversational Patient Triage: Preliminary Simulation-Based Evaluation with Real-World EHR Data [3.4206930658402115]
  実世界の患者との出会いを利用した患者シミュレータを提案する。 本シミュレータは,症状チェックエージェントを用いた患者プレゼンテーションとマルチターン会話に対して,現実的なアプローチを提供する。
  論文  参考訳（メタデータ） (2025-06-04T14:56:08Z)
• 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)
• Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling [50.83055329849865]
  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。 Redditから現実世界のメンタルヘルス投稿を処理し、マルチターン対話構造を生成する。 実験の結果,PsyLLMは最先端のベースラインモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-21T16:24:49Z)
• Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [58.61680631581921]
  メンタルヘルス障害は、深い個人的・社会的負担を生じさせるが、従来の診断はリソース集約的でアクセシビリティが制限される。 本稿では、これらの課題を考察し、匿名化、合成データ、プライバシー保護トレーニングを含む解決策を提案する。 臨床的な意思決定をサポートし、メンタルヘルスの結果を改善する、信頼できるプライバシを意識したAIツールを進化させることを目標としている。
  論文  参考訳（メタデータ） (2025-02-01T15:10:02Z)
• Safe and Interpretable Estimation of Optimal Treatment Regimes [54.257304443780434]
  我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。 本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
  論文  参考訳（メタデータ） (2023-10-23T19:59:10Z)

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。