論文の概要: The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist Micro-Skills

• arxiv url: http://arxiv.org/abs/2606.10051v1
• Date: Mon, 08 Jun 2026 18:27:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:37.956695
• Title: The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist Micro-Skills
• Title（参考訳）: 臨床心理療法訓練における適応型仮想患者--理学療法士のマイクロスキルに関する開示
• Authors: Angela Chen, Siwei Jin, Catherine Bao, Canwen Wang, Robert E. Kraut, Tongshuang Wu, Haiyi Zhu,
• Abstract要約: シミュレーションされた患者は、共感的反応や探索的探索のような心理療法のマイクロスキルを訓練するスケーラブルな方法を提供する。 本稿では,訓練者のスキルに応じてその開示行動に適応する適応仮想患者について紹介する。
• 参考スコア（独自算出の注目度）: 26.83728974046223
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulated patients offer a scalable way to train psychotherapy micro-skills such as empathic responding and exploratory probing, but current systems either follow fixed scripts or rely on LLMs that drift unpredictably over long sessions. We present the Adaptive Virtual Patient (AVP), which adapts its disclosure behavior -- from guarded, through moderate openness, to full disclosure -- in response to trainee skill. The AVP is grounded in a structural equation model fit to nearly 2{,}000 hours of real-world psychotherapy transcripts, which quantifies how therapist empathy and exploration shift a patient's openness over time. An LLM generates the AVP's utterances conditioned on a disclosure level that the dynamics module updates each turn. In an evaluation with 20 clinicians and trainees over 80 sessions (1{,}033 turns), the AVP's disclosure rises in response to therapist empathy and exploration, while a prompt-only baseline stays flat; ablations confirm that the empirically motivated parameterization outperforms alternatives, with exploration carrying most of the adaptive signal.
• Abstract（参考訳）: シミュレーションされた患者は、共感的反応や探索的探索のような心理療法のマイクロスキルを訓練するスケーラブルな方法を提供しているが、現在のシステムは固定されたスクリプトに従うか、長いセッションで予測不可能に漂うLCMに依存する。 我々は,訓練者のスキルに応えて,その開示行動に適応する適応的仮想患者 (Adaptive Virtual patient, AVP) を提案する。 AVPは、実際の心理療法の約2万時間分の転写に適合する構造方程式モデルに基づいており、セラピストの共感と探索が患者のオープンネスを時間とともにどのようにシフトするかを定量化している。 LLMは、ダイナミックスモジュールが各ターンを更新する開示レベルで条件付けられたAVPの発話を生成する。 臨床医と研修生20名(1{,}033ターン)による評価では、AVPの開示はセラピストの共感と探索に反応して増加し、プロンプトのみのベースラインは平坦であり、経験的に動機付けられたパラメータ化は、適応信号のほとんどを探索することで、代替手段よりも優れていることが確認された。

関連論文リスト

• Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model [57.78184285979881]
  敗血症治療推奨のための世界モデル拡張LDMエージェントであるSepsisAgentを紹介する。 SepsisAgentは、学習された臨床世界モデルを使用して、候補の流体圧薬の介入下での患者の反応をシミュレートする。
  論文  参考訳（メタデータ） (2026-05-14T11:50:00Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• An Interactive LLM-Based Simulator for Dementia-Related Activities of Daily Living [1.7290060384409396]
  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。
  論文  参考訳（メタデータ） (2026-03-06T03:15:17Z)
• Learning Therapist Policy from Therapist-Exoskeleton-Patient Interaction [0.500985340975673]
  適切な歩行歩行を回復するためには、後ストロークリハビリテーションが必要であることが多い。 患者体操に対するセラピスト反応を可視化するためのPTFF(Patent-Therapist Force Field)を提案する。 また、ロボットによる身体的相互作用療法におけるセラピストを支援するための合成セラピスト(ST)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2026-03-02T22:58:34Z)
• Reframe Your Life Story: Interactive Narrative Therapist and Innovative Moment Assessment with Large Language Models [72.36715571932696]
  物語療法は、個人が問題のある人生の物語を代替品の力に変えるのに役立つ。 現在のアプローチでは、特殊精神療法ではリアリズムが欠如しており、時間とともに治療の進行を捉えることができない。 Int(Interactive Narrative Therapist)は、治療段階を計画し、反射レベルを誘導し、文脈的に適切な専門家のような反応を生成することによって、専門家の物語セラピストをシミュレートする。
  論文  参考訳（メタデータ） (2025-07-27T11:52:09Z)
• Adaptive-VP: A Framework for LLM-Based Virtual Patients that Adapts to Trainees' Dialogue to Facilitate Nurse Communication Training [12.26485086816235]
  Adaptive-VPは、訓練生の入力に基づいてVPの振る舞いを動的に適応する対話生成フレームワークである。 臨床ベースでフレキシブルなVPシナリオを構築するパイプラインと、トレーニング担当者のコミュニケーションを評価し、VPレスポンスをリアルタイムで調整するモジュールシステムを備えている。 実践看護師のコーパスから,我々のコミュニケーションスキル評価メカニズムが実世界の熟練度を反映していることが判明した。
  論文  参考訳（メタデータ） (2025-05-31T04:34:55Z)
• LLMs Can Simulate Standardized Patients via Agent Coevolution [8.539733225671059]
  標準化された患者(SP)を用いた医療従事者の養成は、依然として複雑な課題である。 EvoPatientは、患者エージェントと医師エージェントがマルチターン対話を通じて診断プロセスをシミュレートする、新しいシミュレートされた患者フレームワークである。 我々のフレームワークは、既存の推論手法を10%以上改善し、要求アライメントと人間の嗜好を改善する。
  論文  参考訳（メタデータ） (2024-12-16T12:36:47Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。