論文の概要: An Interactive LLM-Based Simulator for Dementia-Related Activities of Daily Living
- arxiv url: http://arxiv.org/abs/2603.29856v1
- Date: Fri, 06 Mar 2026 03:15:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 02:36:13.157128
- Title: An Interactive LLM-Based Simulator for Dementia-Related Activities of Daily Living
- Title（参考訳）: 認知症関連日常生活活動のための対話型LCMシミュレータ
- Authors: Kruthika Gangaraju, Shu-Fen Wung, Kevin Berner, Jing Wang, Fengpei Yuan,
- Abstract要約: ADL支援中に多ターン・重症度・ケア条件の患者行動を生成するWebベースのシミュレータを提案する。
シミュレーションされた動作は、適度に評価され、典型的なセッション長は6回であった。
専門家は54.5パーセントのターンでカスタムリプライを書いた。
- 参考スコア（独自算出の注目度）: 1.7290060384409396
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effective dementia caregiving requires training and adaptive communication, but assistive AI and robotics are constrained by a lack of context-rich, privacy-sensitive data on how people living with Alzheimer's disease and related dementias (ADRD) behave during activities of daily living (ADLs). We introduce a web-based simulator that uses a large language model (gpt-5-mini) to generate multi-turn, severity- and care-setting-conditioned patient behaviors during ADL assistance, pairing utterances with lightweight behavioral cues (in parentheses). Users set dementia severity, care setting (and time in setting), and ADL; after each patient turn they rate realism (1-5) with optional critique, then respond as the caregiver via free text or by selecting/editing one of four strategy-scaffolded suggestions (Recognition, Negotiation, Facilitation, Validation). We ran an online formative expert-in-the-loop study (14 dementia-care experts, 18 sessions, 112 rated turns). Simulated behavior was judged moderately to highly plausible, with a typical session length of six turns. Experts wrote custom replies for 54.5 percent of turns; Recognition and Facilitation were the most-used suggested strategies. Thematic analysis of critiques produced a six-category failure-mode taxonomy, revealing recurring breakdowns in ADL grounding and care-setting consistency and guiding prompt/workflow refinements. The simulator and logged interactions enable an evidence-driven refinement loop toward validated patient-caregiver co-simulation and support data collection, caregiver training, and assistive AI and robot policy development.
- Abstract（参考訳）: 効果的な認知症介護には、トレーニングと適応的なコミュニケーションが必要であるが、補助的なAIとロボット工学は、アルツハイマー病と関連する認知症(ADRD)の人々が日常生活(ADL)活動中にどのように振る舞うかに関する、文脈に富んだプライバシーに敏感なデータの欠如によって制約される。
本稿では,大規模言語モデル (gpt-5-mini) を用いて,ADL支援中の多ターン,重度,重度,ケア設定条件の患者行動を生成するWebベースシミュレータを提案する。
ユーザーは認知症重症度、ケア設定(および設定時間)、ADLを設定し、各患者がリアル性(1-5)を任意の批評で評価した後、フリーテキストで介護者として反応するか、4つの戦略展開された提案のうちの1つ(認識、否定、ファシリテーション、検証)を選択して編集する。
オンラインのフォーマティブなエキスパート・イン・ザ・ループ(認知症ケアの専門家14名,セッション18名,評価ターン112名)による調査を実施しました。
シミュレーションされた動作は、適度に評価され、典型的なセッション長は6回であった。
専門家は54.5パーセントのターンでカスタムリプライを書き、最もよく使われる戦略は認識とファシリテーションだった。
批判のテーマ分析は、6つのカテゴリーの失敗モード分類を生み出し、ADLの接地とケアセットの整合性、そしてプロンプト/ワークフローの洗練を導いた。
シミュレータとログ化されたインタラクションにより、検証済みの患者介護者の共シミュレーションとサポートデータ収集、介護者訓練、補助AIおよびロボットポリシー開発に向けたエビデンス駆動の洗練ループが可能になる。
関連論文リスト
- Beyond Idealized Patients: Evaluating LLMs under Challenging Patient Behaviors in Medical Consultations [2.337503919179969]
実際の医療相談で一般的に発生する患者行動について検討する。
各動作について、安全でない応答をキャプチャする具体的な障害基準を指定する。
患者発話に対する応答について,オープンおよびクローズドソースのLCMについて検討した。
論文 参考訳（メタデータ） (2026-03-31T07:42:07Z) - EvoClinician: A Self-Evolving Agent for Multi-Turn Medical Diagnosis via Test-Time Evolutionary Learning [72.70291772077738]
エージェントのマルチターン診断能力を評価するためのベンチマークであるMed-Inquireを提案する。
次に、テスト時に効率的な診断戦略を学ぶ自己進化エージェントであるEvoClinicianを紹介する。
実験の結果,EvoClinicianは連続学習ベースラインや,メモリエージェントなどの自己進化エージェントよりも優れていた。
論文 参考訳（メタデータ） (2026-01-30T13:26:18Z) - MedForget: Hierarchy-Aware Multimodal Unlearning Testbed for Medical AI [66.0701326117134]
MedForgetは、階層型を意識したマルチモーダルなアンラーニングテストベッドで、準拠する医療AIシステムを構築する。
既存の手法は,診断性能を低下させることなく,完全かつ階層性に配慮した忘れの解決に苦慮していることを示す。
階層レベルのコンテキストをプロンプトに徐々に追加する再構成攻撃を導入する。
論文 参考訳（メタデータ） (2025-12-10T17:55:06Z) - MindEval: Benchmarking Language Models on Multi-turn Mental Health Support [10.524387723320432]
MindEvalは、現実的でマルチターンのメンタルヘルスセラピー会話において、言語モデルを自動的に評価するためのフレームワークである。
シミュレーションされた患者が生成したテキストに対する現実性を定量的に検証し、自動判断と人的判断との間に強い相関関係を示す。
われわれは12の最先端のLCMを評価し、AI固有のコミュニケーションパターンに特に弱点がある平均6点中4点以下で、すべてのモデルが苦戦していることを示す。
論文 参考訳（メタデータ） (2025-11-23T15:19:29Z) - Consistently Simulating Human Personas with Multi-Turn Reinforcement Learning [52.07170679746533]
大規模言語モデル(LLM)は、セラピー、教育、社会的役割プレイといったインタラクティブな環境において、人間のユーザをシミュレートするためにますます使われています。
LLM生成対話におけるペルソナの一貫性の評価と改善のための統一的なフレームワークを提案する。
我々は3つの自動メトリクス、即行一貫性、行間一貫性、Q&A一貫性を定義し、異なるタイプのペルソナドリフトをキャプチャし、それぞれが人間のアノテーションに対して検証する。
論文 参考訳（メタデータ） (2025-10-31T19:40:41Z) - 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) - From Classification to Clinical Insights: Towards Analyzing and Reasoning About Mobile and Behavioral Health Data With Large Language Models [21.427976533706737]
我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。
うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。
GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
論文 参考訳（メタデータ） (2023-11-21T23:53:27Z) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳（メタデータ） (2022-09-14T15:33:30Z)
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。