論文の概要: A Proactive Multi-Agent Dialogue Framework for Assessing Social Language Disorder Traits in Autism

• arxiv url: http://arxiv.org/abs/2605.22993v1
• Date: Thu, 21 May 2026 19:45:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.081598
• Title: A Proactive Multi-Agent Dialogue Framework for Assessing Social Language Disorder Traits in Autism
• Title（参考訳）: 自閉症における社会言語障害の評価のための多言語対話フレームワーク
• Authors: Chuanbo Hu, Minglei Yin, Bin Liu, Wenqi Li, Lynn K. Paul, Shuo Wang, Xin Li,
• Abstract要約: TPA(Think, Plan, Ask)は,自閉症診断監視スケジュールモジュール4(ADOS-2)の言語評価コンポーネントに適用した,能動的多エージェント対話フレームワークである。 医師エージェントは、臨床的根拠のある戦略を選択し、対象とする質問を生成する前に、どの特徴が保存されていないのかを明確に理由づける。 実際のADOS-2臨床データに基づく患者エージェントは、実際の患者参加なしに再現可能な評価が可能であり、実際の患者言語に対する適切な忠実性を確認する3つの独立した実験で検証される。
• 参考スコア（独自算出の注目度）: 11.474807247446526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Characteristic linguistic behaviors associated with Social Language Disorder (SLD) in autism spectrum disorder, including echoic repetition, pronoun displacement, and stereotyped media quoting, are largely absent from spontaneous conversation and only emerge under specific conversational conditions. In structured clinical assessments, this latency means that questioning strategy selection is a critical yet underappreciated determinant of how much diagnostic information a conversation yields. Whether large language models (LLMs) can be guided to proactively select questioning strategies that systematically surface these latent traits remains largely unexplored. Here we present TPA (Think, Plan, Ask), a proactive multi-agent dialogue framework applied to the language assessment component of the Autism Diagnostic Observation Schedule Module 4 (ADOS-2), in which a doctor agent explicitly reasons about which traits remain unobserved before selecting a clinically grounded strategy and generating a targeted question. A patient agent grounded in real ADOS-2 clinical data enables reproducible evaluation without real patient participation, validated across three independent experiments confirming adequate fidelity to real patient language. Evaluated on 484 episodes from 35 patients, TPA outperforms six competitive dialogue planning baselines across all primary metrics, achieving 82.1% SLD trait coverage, 16.6% higher than automated replay of real clinical dialogues conducted by trained clinicians (65.5%), with substantially greater per-turn diagnostic efficiency (AUCC: 0.628 vs. 0.458, absolute gain +0.170). These results demonstrate that proactive questioning strategy selection substantially improves the efficiency of automated SLD trait assessment, with direct implications for scalable AI-assisted clinical screening.
• Abstract（参考訳）: 自閉症スペクトラム障害における社会言語障害(SLD)に関連する特徴的言語行動(エコー反復、代名詞変位、ステレオタイプメディア引用)は、自然会話から大きく欠落しており、特定の会話条件下でのみ出現する。 構造化された臨床評価では、このレイテンシーは、質問戦略の選択が、会話がどれだけの診断情報をもたらすかという批判的かつ未熟な決定要因であることを意味する。 大規模言語モデル(LLM)が、これらの潜伏特性を体系的に覆い隠す質問戦略を積極的に選択できるかどうかについては、まだ明らかになっていない。 本稿では,自閉症診断監視スケジュールモジュール4 (ADOS-2) の言語評価コンポーネントに適用した多言語対話フレームワーク TPA (Think, Plan, Ask) について述べる。 実際のADOS-2臨床データに基づく患者エージェントは、実際の患者参加なしに再現可能な評価が可能であり、実際の患者言語に対する適切な忠実性を確認する3つの独立した実験で検証される。 35人の患者の484エピソードで評価され、TPAは、すべての主要な指標で6つの競争的対話計画ベースラインを上回り、82.1%のSLD特性カバレッジ、訓練医による実際の臨床対話の自動再生(65.5%)よりも16.6%高く、ターン当たりの診断効率が大幅に向上した(AUCC: 0.628 vs. 0.458、絶対ゲイン +0.170)。 これらの結果から, 能動的質問行動選択は, 自動SLD特性評価の効率を大幅に向上させ, スケーラブルなAI支援臨床検診に直接的な意味があることが示唆された。

関連論文リスト

• Detecting Stealth Sycophancy in Mental-Health Dialogue with Dynamic Emotional Signature Graphs [4.002154823241671]
  最終審査員として大規模言語モデルに頼ることなく,多言語対応対話の評価を行う。 直接LLM判定器と対称テキスト類似度測定器は治療品質に不適合であることが判明した。 この問題に対処するため,動的感情署名グラフ(DESG)を提案する。 DESGは、分離された臨床状態を持つ対話ウィンドウを表現し、非対称な臨床幾何学を用いてそれらをスコアする。
  論文  参考訳（メタデータ） (2026-05-05T07:56:20Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• Clinician input steers frontier AI models toward both accurate and harmful decisions [10.599240857217811]
  8つのフロンティアモデルにまたがる21の言語モデル (LLM) を, 差分診断生成と次のステップ勧告に基づいて評価した。 専門的な文脈は、21モデル全体にわたる正しい最終診断の包含を著しく改善した。 GPT-4o 実験では, 臨床症状の明確な不確実性信号により, 対側的文脈での診断性能が向上した。
  論文  参考訳（メタデータ） (2026-03-14T23:47:53Z)
• ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning [58.01333341218153]
  ClinDEF(ClinDEF)は, LLMにおける臨床推論をシミュレートされた診断対話を用いて評価する動的フレームワークである。 本手法は, 患者を発症し, LLMをベースとした医師と自動患者エージェントとのマルチターンインタラクションを容易にする。 実験により、ClinDEFは最先端のLSMにおいて重要な臨床推論ギャップを効果的に露呈することが示された。
  論文  参考訳（メタデータ） (2025-12-29T12:58:58Z)
• Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
  本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。 本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。 DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-28T17:19:47Z)
• DocCHA: Towards LLM-Augmented Interactive Online diagnosis System [17.975659876934895]
  DocCHAは、診断プロセスを3段階に分解することで臨床推論をエミュレートする、信頼性に配慮したモジュラーなフレームワークである。 実世界の中国のコンサルティングデータセットを2つ評価した。
  論文  参考訳（メタデータ） (2025-07-10T15:52:04Z)
• Evaluating Spoken Language as a Biomarker for Automated Screening of Cognitive Impairment [37.40606157690235]
  言語と言語の変化は、アルツハイマー病と関連する認知症を早期に予測できる。 音声言語からのADRDスクリーニングと重度予測のための機械学習手法の評価を行った。 リスク階層化と言語的特徴重要度分析は、予測の解釈可能性と臨床的有用性を高めた。
  論文  参考訳（メタデータ） (2025-01-30T20:17:17Z)
• Enhancing Diagnostic Accuracy through Multi-Agent Conversations: Using Large Language Models to Mitigate Cognitive Bias [5.421033429862095]
  臨床的意思決定における認知的バイアスは、診断の誤りや患者下結果に大きく寄与する。 本研究では,多エージェントフレームワークの利用を通じて,これらのバイアスを軽減するために,大規模言語モデルが果たす役割について検討する。
  論文  参考訳（メタデータ） (2024-01-26T01:35:50Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)

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。