論文の概要: Conversational AI for Perceived Cognitive Decline Screening in Older Adults

• arxiv url: http://arxiv.org/abs/2610.27344v1
• Date: Mon, 19 Oct 2026 22:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.532611
• Title: Conversational AI for Perceived Cognitive Decline Screening in Older Adults
• Title（参考訳）: 高齢者における認知的劣化スクリーニングのための会話型AI
• Abstract要約: 本研究は,高齢者に対するICA質問応答 (Q/A) の面接が,参加者が報告した認知低下をスクリーニングできるかどうかを検証した。 従来の機械学習、冷凍トランスフォーマーの埋め込み、微調整トランスフォーマー、大規模言語モデル(LLM)の推論戦略を比較した。 これらの結果から,ICAインタビューは認知低下の有意義なシグナルを捉え,スケーラブルなスクリーニング研究を支援することが示唆された。
• 参考スコア（独自算出の注目度）: 3.026052375717489
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early detection of cognitive decline in older adults remains challenging due to the resource demands of standard neuropsychological assessments. Chatbot-based Intelligent Cognitive Assistants (ICAs) provide a scalable alternative by eliciting open-ended responses rich in linguistic, semantic, and autobiographical cues. This study evaluates whether ICA question-answer (Q/A) interviews with older adults can screen for participant-reported perceived cognitive decline and related cognitive, functional, and personality outcomes. We compare traditional machine learning, frozen transformer embeddings, fine-tuned transformers, and large language model (LLM) reasoning strategies across Global Q/A, Single Q/A confidence averaging, and Aggregated Q/A pipelines. Among text-based methods, Gemini 3.1 Flash Lite (1-example-per-class, Aggregated Q/A) achieved the highest held-out test performance (0.742 accuracy, 0.739 balanced accuracy, 0.728 macro-F1). Given the small test set (n = 31), these results are interpreted descriptively. Frozen clinical transformer embeddings with a random forest head led non-LLM text methods, whereas fine-tuned models showed limited generalization. Models utilizing structured questionnaires, cognitive tasks, and personality traits outperformed text-based models in classification. Continuous regression analyses revealed modest predictive signals for AD8, FAQ, IQCODE, neuroticism, and conscientiousness. Exploratory prompt-level analyses identified both direct symptom-related and indirect autobiographical questions with strong test metrics, though sample sizes varied across prompts. These findings indicate that ICA chatbot interviews capture meaningful signals of perceived cognitive decline, supporting scalable screening research. Larger, clinically diverse cohorts with validated clinical outcomes are needed for clinical translation.
• Abstract（参考訳）: 高齢者の認知低下の早期発見は、標準的な神経心理学的評価のリソース要求のため、いまだに困難である。 チャットボットベースのインテリジェント・コグニティブ・アシスタント(ICA)は、言語、セマンティクス、そして自伝的手がかりに富んだオープンエンドの応答を引き出すことによって、スケーラブルな代替手段を提供する。 本研究は,高齢者に対するICA質問応答(Q/A)インタビューが,認知の低下と関連する認知,機能,パーソナリティの結果をスクリーニングできるかどうかを検証した。 我々は、従来の機械学習、フリーズトランスフォーマー埋め込み、微調整トランスフォーマー、グローバルQ/A、シングルQ/A信頼平均化、集約Q/Aパイプラインにわたる大規模言語モデル(LLM)推論戦略を比較した。 テキストベースの手法の中では、Gemini 3.1 Flash Lite (1-example-per-class, Aggregated Q/A) が最も高いホールトアウトテスト性能(0.742精度、0.739バランスの精度、0.728マクロF1)を達成した。 小さなテストセット (n = 31) が与えられた場合、これらの結果は記述的に解釈される。 無作為な森林頭を用いた凍結型臨床変圧器埋込み法は非LLMテキスト法を導いたが、微調整モデルでは限定的な一般化を示した。 構造化されたアンケート、認知課題、性格特性を利用したモデルは、分類におけるテキストベースモデルよりも優れていた。 連続回帰分析ではAD8, FAQ, IQCODE, 神経症, 良心の質素な予測信号が認められた。 探索的プロンプトレベルの分析では、プロンプトのサンプルサイズは異なるものの、直接的な症状関連と間接的な自伝的質問の両方を強力なテスト指標で同定した。 これらの結果から,ICAチャットボットの面接は認知低下の有意義なシグナルを捉え,スケーラブルなスクリーニング研究を支援することが示唆された。 臨床翻訳には、より大きく、より多様な臨床結果のコホートが必要である。

関連論文リスト

• 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)
• Large Language Models as Simulative Agents for Neurodivergent Adult Psychometric Profiles [0.0]
  成人神経分岐障害(ADHD)、高機能自閉症スペクトラム障害(ASD)、認知解離症候群(CDS) 大言語モデル(LLM)が、幅広い性格特性よりも、正確に、安定して神経発達特性をモデル化できるかどうかは不明だ。 本研究では, 構造化質的面接において, LLMが実際の個人に近似した心理測定応答を生成できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-01-16T10:16:58Z)
• TestAgent: An Adaptive and Intelligent Expert for Human Assessment [62.060118490577366]
  対話型エンゲージメントによる適応テストを強化するために,大規模言語モデル(LLM)を利用したエージェントであるTestAgentを提案する。 TestAgentは、パーソナライズされた質問の選択をサポートし、テストテイカーの応答と異常をキャプチャし、動的で対話的なインタラクションを通じて正確な結果を提供する。
  論文  参考訳（メタデータ） (2025-06-03T16:07:54Z)
• CognoSpeak: an automatic, remote assessment of early cognitive decline in real-world conversational speech [13.530437810265814]
  本稿では,CagnoSpeakとその関連データ収集について述べる。 CognoSpeakは、メモリ提供の長期的および短期的な質問を問うとともに、モバイルまたはWebプラットフォーム上で仮想エージェントを使用して認知タスクを管理する。 オーディオやビデオなどのマルチモーダルデータを収集し、プライマリケアやセカンダリケア、メモリクリニック、人々の家のようなリモート設定から豊富なメタデータを収集する。
  論文  参考訳（メタデータ） (2025-01-10T07:13:42Z)
• Automatic detection of cognitive impairment in elderly people using an entertainment chatbot with Natural Language Processing capabilities [8.032202552952299]
  本稿では,高齢者の認知障害を透過的にモニタリングする知的会話システムについて紹介する。 自然言語生成技術を用いて,更新されたニュース項目から対話フローを自動生成する。 このシステムは、質問に対する回答のゴールドスタンダードを推論し、認知能力を自動的に評価する。
  論文  参考訳（メタデータ） (2024-05-28T19:17:48Z)
• ALBA: Adaptive Language-based Assessments for Mental Health [7.141164121152202]
  本研究は,適応型言語ベースアセスメントALBAの課題を紹介する。 質問を適応的に注文すると同時に、以前の質問に対する限定的な言語応答を使用して個人の潜在心理学的特徴をスコア付けする。 ALIRTは最も正確でスケーラブルで、より少ない質問で最高の精度を実現しています。
  論文  参考訳（メタデータ） (2023-11-11T03:37:17Z)
• Personality Style Recognition via Machine Learning: Identifying Anaclitic and Introjective Personality Styles from Patients' Speech [6.3042597209752715]
  自然言語処理(NLP)と機械学習ツールを使って分類する。 大うつ病(MDD)と診断された79人の患者を対象に、記録された臨床診断面接(CDI)のデータセットでこれを検証した。 言語由来の特徴(LIWCに基づく)による自動分類は,アンケートに基づく分類モデルよりも有意に優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-07T15:56:19Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)

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。