論文の概要: PatientAct: Theory-Grounded Mental Health Client Simulation

• arxiv url: http://arxiv.org/abs/2608.12750v1
• Date: Thu, 13 Aug 2026 03:01:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.372003
• Title: PatientAct: Theory-Grounded Mental Health Client Simulation
• Title（参考訳）: 患者行為:理論を包括したメンタルヘルスクライアントシミュレーション
• Abstract要約: 本稿では,確立した臨床理論に基づくクライアントシミュレーションの枠組みであるPatentActを提案する。 われわれは5Ps臨床症例の定式化を併用し, 単一治療の適応に結びつくことなく, 因果深度を付与する。 患者Actはベースラインを著しく上回り、抵抗品質と行動リアリズムを著しく上回ります。
• 参考スコア（独自算出の注目度）: 41.20618039157054
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM-based simulated clients are increasingly used to train novice counselors, evaluate LLM therapists, and generate synthetic data. However, current simulators produce overly cooperative clients that disclose too readily, accept therapeutic reframes without resistance, and resolve core issues within a single session. We trace these issues to profiles that lack causal depth and behavioral mechanisms that treat all content as equally accessible. We present PatientAct, a framework for client simulation grounded in established clinical theories. Our profiles integrate the 5Ps clinical case formulation, providing causal depth without tying the design to any single therapeutic modality. During simulation, profiles include a dynamic memory layer in which items carry trust thresholds (e.g., symptoms are available early, whereas formative memories require a sustained therapeutic alliance). At each turn, the client's emotional reaction and behavior are modeled before generating a response. If the therapist approaches gated content, PatientAct expresses resistance in terms of quantity, content, and style rather than defaulting to cooperation or a single resistance pattern. We evaluate our framework on 40 clinical situations and demonstrate that it generates diverse profiles with high clinical plausibility. Moreover, PatientAct significantly outperforms the baselines, yielding substantial gains in resistance quality and behavioral realism. Our code and data will be publicly available via github.com/Sahandfer/PatientHub.
• Abstract（参考訳）: LLMベースのシミュレートされたクライアントは、初心者カウンセラーの訓練、LSMセラピストの評価、合成データの生成にますます利用されている。 しかし、現在のシミュレーターは、あまりに容易に開示しすぎ、抵抗なく治療のリフレームを受け取り、単一のセッションでコア問題を解決する、過度に協調的なクライアントを生成する。 これらの問題を、すべてのコンテンツを同じようにアクセス可能なものとして扱う因果的な深さと行動メカニズムが欠如しているプロファイルにトレースする。 本稿では,確立した臨床理論に基づくクライアントシミュレーションの枠組みであるPatentActを提案する。 われわれは5Ps臨床症例の定式化を併用し, 単一治療の適応に結びつくことなく, 因果深度を付与する。 シミュレーション中、プロファイルには、アイテムが信頼しきい値(例えば、症状が早期に利用可能であるのに対して、フォーマティブメモリは持続的な治療アライアンスを必要とする)を持つ動的メモリ層が含まれている。 各ターンで、応答を生成する前に、クライアントの感情反応と行動がモデル化される。 セラピストがゲートコンテンツに近づくと、PatentActは協力や単一抵抗パターンよりも、量、内容、スタイルの点で抵抗を表現する。 臨床40症例の枠組みを検証し,多彩なプロファイルを呈し,高い臨床的妥当性を示した。 さらに、PatentActはベースラインを著しく上回り、抵抗品質と行動リアリズムを著しく向上させる。 私たちのコードとデータはgithub.com/Sahandfer/PatientHubを介して公開されます。

関連論文リスト

• Patients With Personality: Realistic Patient Simulation through Controlled Diversity and Selective Disclosure [24.569940011188994]
  patientsWithPersonality (PWP)は、現実的で多様な仮想的な患者反応を生成する患者シミュレーションフレームワークである。 HEXACOは,人間の行動特性を定量化・パラメータ化するための6次元パーソナリティ空間であり,会話スタイル,協調性,情報開示のきめ細かい制御を可能にする。
  論文  参考訳（メタデータ） (2026-05-13T15:26:15Z)
• Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
  汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。 本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。 675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
  論文  参考訳（メタデータ） (2026-04-29T17:59:28Z)
• Synthetic or Authentic? Building Mental Patient Simulators from Longitudinal Evidence [22.515808549331762]
  統合されたマルチソース患者プロファイルを構築するデータ基底型患者シミュレーションフレームワークを提案する。 複数の大規模言語モデル(LLM)のバックボーンを用いた実験では、DEPROFILEによって構築されたより包括的なプロファイルにより、対話リアリズム、振る舞いの多様性、イベントリッチネスは一貫して改善され、最先端のベースラインを超えている。
  論文  参考訳（メタデータ） (2026-03-24T01:56:33Z)
• PsyCLIENT: Client Simulation via Conversational Trajectory Modeling for Trainee Practice and Model Evaluation in Mental Health Counseling [26.381095576860925]
  PsyCLIENTは会話軌道モデルに基づく新しいシミュレーションフレームワークである。 中国初のオープンソースのクライアントプロファイルデータセットであるPsyCLIENT-CPを紹介する。 コードとデータは、メンタルヘルスカウンセリングの今後の研究を促進するためにリリースされる。
  論文  参考訳（メタデータ） (2026-01-12T08:33:05Z)
• Roleplaying with Structure: Synthetic Therapist-Client Conversation Generation from Questionnaires [5.163738939075784]
  構造化されたクライアントプロファイルと心理的アンケートに基づいて合成カウンセリング対話を生成するLLM駆動パイプラインを提案する。 我々のフレームワークであるSQPsychは、構造化された心理的入力をセラピスト・クライアントシミュレーションを通じて自然言語対話に変換する。 我々の研究は、メンタルヘルス支援のためのスケーラブルでデータセキュアで臨床的に情報提供されたAIを実現するための合成データの可能性を強調した。
  論文  参考訳（メタデータ） (2025-10-29T10:55:52Z)
• 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)
• Consistent Client Simulation for Motivational Interviewing-based Counseling [38.27487999477332]
  メンタルヘルスカウンセリングのための一貫したクライアントシミュレーションを支援する新しいフレームワークを提案する。 我々のフレームワークは、シミュレーションされたクライアントの精神状態を追跡し、状態遷移を制御し、クライアントのモチベーション、信念、望ましい変更計画、受容性と整合した各状態行動を生成する。
  論文  参考訳（メタデータ） (2025-02-05T00:58:30Z)
• Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering [51.26412822853409]
  本稿では,医学的視覚的質問応答(VQA)モデルのための,パーソナライズド・フェデレーションド・ラーニング(pFL)手法を提案する。 提案手法では,学習可能なプロンプトをTransformerアーキテクチャに導入し,膨大な計算コストを伴わずに,多様な医療データセット上で効率的にトレーニングする。
  論文  参考訳（メタデータ） (2024-10-23T00:31:17Z)
• Roleplay-doh: Enabling Domain-Experts to Create LLM-simulated Patients via Eliciting and Adhering to Principles [58.82161879559716]
  ドメインエキスパートから定性的なフィードバックを引き出す新しい人間-LLMコラボレーションパイプラインであるRoleplay-dohを開発した。 このパイプラインを適用して、シニアメンタルヘルスサポーターが、シミュレートされた実践パートナのためにカスタマイズされたAI患者を作成できるようにします。
  論文  参考訳（メタデータ） (2024-07-01T00:43:02Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)

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。