Fugu-MT 論文翻訳(概要): Training language models in simulation for psychiatric intake

論文の概要: Training language models in simulation for psychiatric intake

arxiv url: http://arxiv.org/abs/2610.40476v1
Date: Thu, 29 Oct 2026 17:10:32 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-01 01:32:10.118347
Title: Training language models in simulation for psychiatric intake
Title（参考訳）: 精神医学的摂取シミュレーションにおける言語モデルの訓練
Abstract要約: シミュレーション環境における多ターン強化学習は、構造化テキストベースの精神医学的摂取における言語モデルの性能を向上させることを示す。シミュレーション環境でのトレーニングは、急性の安全性リスクの半減以上のものだ。
参考スコア（独自算出の注目度）: 43.705392763686866
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In psychiatric practice, the clinical intake interview remains a primary diagnostic instrument, requiring the clinician to establish rapport while disentangling complex, overlapping presentations. Here, we show that multi-turn reinforcement learning (RL) in simulation environments improves language model performance on structured text-based psychiatric intake, spanning history-taking, differential diagnosis, and initial management planning. In a randomized, double-blind crossover study ($N = 60$ matched scenario pairs, 120 encounters) comparing the RL-trained agent against its identically prompted base model, 32 board-certified psychiatrists role-played standardized patients while a separate panel of 15 independent, board-certified psychiatrists scored the de-identified transcripts. The trained agent outperformed the base model in 76.7% of matched scenario pairs ($p < 0.0001$), with gains on an adapted clinical-examination rubric ($d_z = 0.77$, $p < 0.0001$), patient-centered communication (82.0% vs. 65.2%, $p < 0.001$), and differential diagnosis appropriateness (68.3% vs. 33.3%, $p < 0.001$). Across 127 psychiatrist-validated simulated intake scenarios, the trained agent nearly doubled its base model's clinical rubric score (0.706 vs. 0.379; composite reward 0.564 vs. 0.294, $p < 0.0001$). To systematically probe conversational safety, we established two Delphi-consensus taxonomies, of clinical safety risks and relational competencies, from which 256 challenging adversarial presentations were derived; we find that training in simulation environments more than halved under-triage of acute safety risks (12.9% vs. 30.5%, $p < 0.0001$). Simulation environments thus provide a controlled testbed for training and stress-testing psychiatric conversational agents, with gains that transferred to psychiatrist-enacted encounters, though residual gaps require safeguards and clinician oversight.
Abstract（参考訳）: 精神医学的な実践において、臨床検査は主要な診断手段であり、複雑で重なり合うプレゼンテーションを解消しながらラプポートを確立する必要がある。本稿では, シミュレーション環境における多ターン強化学習(RL)が, 構造化テキストベースの精神医学的摂取, 履歴取得, 鑑別診断, 初期管理計画における言語モデルの性能を向上させることを示す。ランダムに二重盲検のクロスオーバー調査(N = 60$ Matched scenario pairs, 120 encounters)では、RL訓練されたエージェントを、同一に誘発されたベースモデルと比較した。訓練されたエージェントは、一致したシナリオペア(p < 0.0001$)の76.7%で、適応された臨床検査用ルーリック(d_z = 0.77$, $p < 0.0001$)、患者中心コミュニケーション(82.0% vs. 65.2%, $p < 0.001$)、鑑別診断適性(68.3% vs. 33.3%, $p < 0.001$)で、ベースモデルを上回った。 127例の精神科医によるシミュレート・インテークのシナリオにおいて、トレーニングされたエージェントはベースモデルの臨床的ルーリックスコア(0.706 vs. 0.379; 複合報酬0.564 vs. 0.294, $p < 0.0001$)をほぼ倍増させた。会話の安全性を体系的に調査するため,臨床安全リスクと関係能力の2つのDelphi-consensus分類群を作成した。そのうち256種は,急性安全リスクの半減期(12.9%対30.5%,$p < 0.0001$)以上のシミュレーション環境におけるトレーニングを行った。シミュレーション環境は、トレーニングとストレステストを行う精神科の会話エージェントのための制御されたテストベッドを提供する。

関連論文リスト

Medical Fine-Tuning Reshapes, Not Reduces, Patient-Facing AI Risk: A Rubric-Based, LLM-Judge Evaluation Framework [0.1609950046042424]
大きな言語モデル(LLM)で答える患者向きの医療質問は、研究デモから製品展開へと移行している。応答は現実的に根拠付けられ、作用すれば患者に害を与えるという指示を出すことができる。リスク感応性評価フレームワークを導入し、リスク感応言語6つのカテゴリの存在と重症度によって応答を評価する。
論文参考訳（メタデータ） (2026-10-17T18:24:54Z)
OmniMed-FL: A Robust Multimodal Federated Learning Framework for Clinical Diagnosis [17.411567668075577]
OmniMed-FLは,5段階の臨床条件分類のためのマルチモーダル学習の制御システムである。本研究のプロキシコーパスでは, 患者ではなくクラス別に, 3000の公衆胸部X線写真と3,000のクラスFOLD合成ノートを照合した。すべてのノートは合成され、ペアリングは患者レベルではないため、これらは記述的なプロキシ比較であり、診断性能やデプロイメントの準備ができていない。
論文参考訳（メタデータ） (2026-09-09T15:56:26Z)
Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
論文参考訳（メタデータ） (2026-08-12T21:02:59Z)
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)
PatientAgentBench: A Benchmark Framework for Evaluating Patient-Facing Health AI Agents [5.247635961504091]
patientAgentBenchは、患者が直面するエージェント医療をベンチマークする。シミュレーションされた患者と会話しながら、医療ツールのサンドボックスでエージェントにラップされた基礎モデルを評価する。同じ1200のシナリオで、同じ4つのファミリーで10のモデルをベンチマークし、臨床的なギャップを見つけました。
論文参考訳（メタデータ） (2026-07-28T09:24:04Z)
A Breast Vision Pathology Foundation Model for Real-world Clinical Utility [65.57568187389113]
a bfBRAVE, a breast-adaptive pathology foundation model developed and evaluation using a total resources of 101,638 breast wholeslide images。臨床ワークフローにおけるBRAVEの実践的役割は、通常のAI支援による第2レビューから低リスクのケースを安全に排除すること、そしてさらなる評価のためのケースの優先順位付けなどである。
論文参考訳（メタデータ） (2026-05-06T07:44:39Z)
PsychBench: Auditing Epidemiological Fidelity in Large Language Model Mental Health Simulations [0.0]
大きな言語モデルは、臨床訓練、研究、メンタルヘルスツールのために患者をシミュレートするためにますます多くデプロイされている。 LLM患者シミュレーションの最初の疫学的検査である PsychBench を紹介した。モデルでは, 抽出した個体群を誤って表現しながら, 臨床的に有意な個体を生成できることが示唆された。
論文参考訳（メタデータ） (2026-04-19T10:05:25Z)
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)
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)

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。