論文の概要: MentalHospital: A Virtual Environment for Evaluating Psychiatric Clinical Encounters
- arxiv url: http://arxiv.org/abs/2607.08257v1
- Date: Thu, 09 Jul 2026 09:03:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.478667
- Title: MentalHospital: A Virtual Environment for Evaluating Psychiatric Clinical Encounters
- Title（参考訳）: メンタルホスピタル:精神科臨床士の評価のための仮想環境
- Abstract要約: メンタルホスピタル(MentalHospital)は、精神科臨床における仮想的な評価環境である。
メンタルホスピタルは、主観的面接、客観的検査、診断評価、治療計画ワークフローをインスタンス化する。
5つのドメイン固有評価器は、コミュニケーションの共感、専門家へのインタビュー、臨床ノートの品質、診断の厳格さ、治療の適切さをカバーしている。
- 参考スコア（独自算出の注目度）: 21.18455609800945
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) have shown strong performance on isolated psychiatric tasks, including dialogue, diagnosis, and treatment planning, yet existing benchmarks rarely simulate complete psychiatric clinical encounters. We introduce $\textbf{MentalHospital}$, a virtual evaluation environment for LLM-based psychiatric clinical encounters. MentalHospital instantiates the Subjective Interviewing, Objective Examination, Diagnostic Assessment, and Treatment Planning (S.O.A.P.) workflow, using skill-augmented standardized patients constructed from 1,193 de-identified psychiatric electronic health record (EHR) cases spanning all major ICD-11 categories and 76 disorders. Each encounter is assessed through a dual-track protocol that combines objective comparison against EHR-derived references with subjective assessment of clinical process quality. To scale specialist judgment, we develop $\textbf{MentalEval}$, five domain-specific evaluators covering communication empathy, interviewing professionalism, clinical-note quality, diagnostic rigor, and treatment appropriateness, trained with rubric-grounded SFT and expert-guided DPO. Survey responses from 22 clinicians support MentalHospital's clinical fidelity (3.88/5), while MentalEval achieves strong expert alignment with an average QWK of 0.944. Benchmarking shows that even the strongest LLM trails clinicians by 37.28 percentage points in objective psychiatric competence, with mental status assessment as a key bottleneck.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、対話、診断、治療計画を含む孤立した精神医学的タスクにおいて強いパフォーマンスを示すが、既存のベンチマークは完全な精神医学的臨床遭遇をシミュレートすることは滅多にない。
LLMをベースとした臨床診断のための仮想評価環境である$\textbf{MentalHospital}$を紹介した。
メンタルホスピタルは、主観的面接、客観的検査、診断評価、治療計画(S.O.A.P.)ワークフローを、主要なICD-11カテゴリと76の障害にまたがる1,193件の未確認精神医学的健康記録(EHR)から構築された、スキル強化された標準化された患者を用いてインスタンス化する。
各出会いは、EHR由来の基準に対する客観的比較と臨床プロセス品質の主観的評価を組み合わせた二重トラックプロトコルによって評価される。
専門的判断をスケールするために, コミュニケーション共感, インタビュー, 専門性, 臨床ノートの品質, 診断厳格性, 治療適性を考慮した5つのドメイン固有評価器を, ルーリックグラウンドドSFTとエキスパート誘導DPOで訓練した。
22名の臨床医の回答は精神病院の臨床的忠実度(3.88/5)を支持し,MentalEval は平均 QWK 0.944。
ベンチマークによると、最強のLSMでさえ、精神状態の評価が重要なボトルネックとなっている客観的精神医学能力の37.28ポイントを臨床医に与えている。
関連論文リスト
- ResidencyRL: Reinforcement Learning in Simulated Clinical Environments [53.76751756107077]
臨床人工知能(AI)エージェントを模擬多ターン臨床で訓練するための強化学習(RL)手法であるResidencyRLを提案する。
ホールドアウト評価では、ResidencyRLエージェントは、対向条件下で診断精度を7.0%向上させる。
盲目の専門医はこれらの利得を検証し、訓練されたエージェントをサイドバイサイド比較の87.6%で好んだ。
論文 参考訳（メタデータ） (2026-08-07T17:04:41Z) - The MADRS Pipeline: Supporting Depression Assessment in Clinical Trials [2.4031761937654763]
うつ病は、診断が臨床評価に依存する主要な精神疾患である。
既存のソリューションは主に、異なるテキストソースから障害を検出することに焦点を当てている。
臨床試験へのサポートは限定的であり、構造化された面接を通じて評価が行われる。
本パイプラインは,音声インタビューをテキストに変換し,10項目のMADRS症状項目にマッピングし,重症度を推定し,関連性のある臨床評価を同定する。
論文 参考訳（メタデータ） (2026-07-30T13:27:56Z) - LingxiDiagBench: A Multi-Agent Framework for Benchmarking LLMs in Chinese Psychiatric Consultation and Diagnosis [14.82377002030236]
精神疾患は世界中で広く普及している。
精神科医の不足と面接に基づく診断の固有の主観性は、タイムリーで一貫した精神的健康評価に重大な障壁をもたらす。
大規模マルチエージェントベンチマークであるLingxiDiagBenchを提案する。
論文 参考訳（メタデータ） (2026-02-10T03:46:05Z) - MentalSeek-Dx: Towards Progressive Hypothetico-Deductive Reasoning for Real-world Psychiatric Diagnosis [27.839664095206857]
MentalSeek-Dx Benchは、実際の臨床環境での障害レベルの精神医学診断に特化した最初のベンチマークである。
ICD-11ガイドラインでは、ボード認定精神科医によって注釈された未確認の電子健康記録を712個含む。
MentalSeek-Dxは14Bパラメータしか持たない最先端のSOTA(State-of-the-art)のパフォーマンスを達成し、信頼性のある精神医学診断のための臨床基盤の枠組みを確立した。
論文 参考訳（メタデータ） (2026-02-03T10:03:35Z) - Responsible Evaluation of AI for Mental Health [72.85175110624736]
メンタルヘルスケアにおけるAIツールの評価に対する現在のアプローチは、断片化されており、臨床実践、社会的コンテキスト、ファーストハンドのユーザエクスペリエンスと不整合である。
本稿では,臨床の健全性,社会的文脈,公平性を統合した学際的枠組みを導入することにより,責任ある評価を再考する。
論文 参考訳（メタデータ） (2026-01-20T12:55:10Z) - Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。
本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。
本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
論文 参考訳（メタデータ） (2025-10-11T16:24:35Z) - Psychiatry-Bench: A Multi-Task Benchmark for LLMs in Psychiatry [1.2879523047871226]
PsychiatryBenchは、専門家が検証した精神医学の教科書とケースブックにのみ基づく厳格にキュレートされたベンチマークである。
精神科ベンチは、診断的推論や治療計画から、縦断的フォローアップ、管理計画、臨床アプローチ、シーケンシャルケース分析、および5300件以上の専門家注釈項目からなる多重選択/拡張マッチングフォーマットまで、11種類の質問応答タスクから構成されている。
論文 参考訳（メタデータ） (2025-09-07T20:57:24Z) - Unveiling the Landscape of Clinical Depression Assessment: From Behavioral Signatures to Psychiatric Reasoning [43.26860213892083]
うつ病は世界中の何百万もの人に影響を及ぼす広範な精神疾患である。
ほとんどの研究は、限定的または非クリニカルな検証データに依存しており、実世界の有効性よりも複雑なモデル設計を優先することが多い。
C-MIND (C-MIND) は, 臨床神経精神医学的マルチモーダル診断データセットであり, 実際の病院訪問から2年以上経過した。
参加者は3つの構造化された精神医学タスクを完了し、情報的オーディオ、ビデオ、転写、機能的近赤外分光(fNIRS)信号が記録された専門家臨床医から最終診断を受ける。
論文 参考訳（メタデータ） (2025-08-06T15:13:24Z) - 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) - MAGI: Multi-Agent Guided Interview for Psychiatric Assessment [50.6150986786028]
我々は,ゴールドスタンダードのMini International Neuropsychiatric Interview(MINI)を自動計算ナビゲーションに変換する最初のフレームワークであるMAGIを紹介する。
臨床検査法, 会話適応性, 説明可能な推論を併用することにより, MAGI は LLM 支援型メンタルヘルスアセスメントを推し進めることを示す。
論文 参考訳（メタデータ） (2025-04-25T11:08:27Z) - LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。
得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文 参考訳（メタデータ） (2024-06-09T09:03:11Z)
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。