論文の概要: PsyInterviewee: Informational Invariance and Relational Adaptivity in Mental Health Interview Simulation
- arxiv url: http://arxiv.org/abs/2610.41289v1
- Date: Fri, 30 Oct 2026 05:50:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.625732
- Title: PsyInterviewee: Informational Invariance and Relational Adaptivity in Mental Health Interview Simulation
- Title（参考訳）: PsyInterviewee:メンタルヘルス面接シミュレーションにおける情報不変性と関係適応性
- Abstract要約: PsyIntervieweeは,保護された真理チャネルを動的相互作用チャネルから分離し,そのプロファイルに対して発生した臨床クレームを検証する。
特に、非対称な書き込み許可は、新しい臨床事実を承認することなく、会話コンテキストが開示や行動状態の更新を可能にする。
LLMベースのインタビュアーとインタビュアーのインタラクションの自動評価において、PsyIntervieweeは、ほとんどのメトリクスにおいて4つの代表的ベースラインよりも高いスコアを達成している。
- 参考スコア（独自算出の注目度）: 16.773773892926098
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM-based simulated interviewees support interviewer training and the evaluation of mental health interviewing systems. Existing studies have primarily focused on improving human-likeness through richer patient profiles and behavioral modeling. However, human-likeness alone does not establish their reliability. Reliable simulation requires preserving profile-grounded clinical facts (informational invariance) while adapting disclosure and interaction behavior to the interview (relational adaptivity). To this end, we introduce PsyInterviewee, which separates a protected truth channel from a dynamic interaction channel and verifies generated clinical claims against the profile. Specifically, asymmetric write permissions allow dialogue context to update disclosure and behavioral states without authorizing new clinical facts; these states guide what profile-supported information is revealed and how it is expressed. In an automated evaluation of interactions between LLM-based interviewers and interviewees, PsyInterviewee achieves higher scores than four representative baselines on most metrics across both axes, as assessed by two LLM judges. Ablations suggest that the two channels contribute to clinical grounding and response modulation, respectively.
- Abstract（参考訳）: LLMを用いたシミュレート・インタビュアーによるインタビュアートレーニングとメンタルヘルスインタビュアーシステムの評価
既存の研究は主に、よりリッチな患者プロファイルと行動モデリングを通じて、人間の類似性を改善することに焦点を当てている。
しかし、人間らしくも信頼性は確立していない。
信頼性のあるシミュレーションには、面接(関係適応性)に開示と相互作用の振る舞いを適応させながら、プロファイルに基づく臨床事実(情報不変性)を保存する必要がある。
この目的のために,保護された真理チャネルを動的相互作用チャネルから分離し,そのプロファイルに対して発生する臨床的主張を検証するPsyIntervieweeを導入する。
具体的には、非対称な書き込み許可は、新しい臨床事実を承認することなく、会話コンテキストが開示や行動状態の更新を可能にする。
LLMベースのインタビュアーとインタビュアーのインタラクションの自動評価において、PsyIntervieweeは2人のLLM審査員によって評価されるように、両方の軸にわたるほとんどの指標において、4つの代表的ベースラインよりも高いスコアを達成している。
アブレーションは2つのチャネルがそれぞれ臨床接地と反応調節に寄与していることを示唆している。
関連論文リスト
- Augmenting Interviewer Judgments of Patient Experience with Automatic Language Analysis [16.974270554477]
セッション後インタビュアーの評価と自動言語に基づく予測を組み合わせ、患者が報告した対話品質を推定する枠組みを評価する。
以上の結果から, 簡易平均化による判断とモデル予測を組み合わせることで, 総合評価が最強であることが示唆された。
論文 参考訳（メタデータ） (2026-08-31T15:56:28Z) - MedArena: Comparing LLMs for Medicine-in-the-Wild Clinician Preferences [50.71326426975699]
MedArenaは医療用大規模言語モデル(LLM)のためのインタラクティブな評価プラットフォームである。
MedArenaは、2つのランダムに選択されたモデルからの応答を表示し、ユーザが好みのレスポンスを選択するように要求する。
2025年11月1日までに12台のLLMで収集された1571の選好のうち、ジェミニ2.0フラッシュシンキング、ジェミニ2.5プロ、GPT-4oがブラッドリー・テリーのレーティングで上位3モデルとなった。
論文 参考訳（メタデータ） (2026-03-13T22:30:26Z) - Multi-Stage Patient Role-Playing Framework for Realistic Clinical Interactions [2.1897719729390173]
中国初の患者シミュレーションデータセット(Ch-PatientSim)を提案する。
患者は5次元のペルソナ構造に基づいてシミュレートされる。
ペルソナクラスの不均衡の問題に対処するため、データセットの一部は、数ショット生成を使用して拡張され、続いて手動検証が行われる。
論文 参考訳（メタデータ） (2026-01-16T02:34:22Z) - TRUST: An LLM-Based Dialogue System for Trauma Understanding and Structured Assessments [8.618945530676614]
本研究は,臨床症状を再現するLLMを用いた対話システムを開発することにより,メンタルヘルスアクセシビリティのギャップを埋めることを目的とする。
我々は、PTSDの正式な診断および評価を行うことができる協調LLMモジュールのフレームワークであるTRUSTを紹介する。
臨床医による時間と費用のかかる手動テストを置き換えるために,実生活の面接書に基づく患者シミュレーション手法を開発した。
論文 参考訳（メタデータ） (2025-04-30T17:58:06Z) - 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) - CliniChat: A Multi-Source Knowledge-Driven Framework for Clinical Interview Dialogue Reconstruction and Evaluation [20.64206737886915]
我々はCliniChatを提案する。CliniChatは、マルチソース知識を統合して、大規模言語モデルを用いて実世界の臨床面接をシミュレートするフレームワークである。
Clini-ReconとClini-Evalの2つのモジュールがインタビュー対話の再構築と評価を担当している。
我々は,高品質な合成インタビュー対話データセットであるMedQA-Dialogと臨床面接に特化したモデルであるCliniChatGLMに貢献する。
論文 参考訳（メタデータ） (2025-04-14T17:06:47Z) - LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。
本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。
実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
論文 参考訳（メタデータ） (2025-01-07T08:49:04Z) - 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) - Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。
VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。
本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T23:19:28Z)
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。