用于评估自闭症社会语言障碍特征的主动式多智能体对话框架
计算与语言
2026-05-25 v1 人工智能
摘要
自闭症谱系障碍中与社会语言障碍(SLD)相关的特征性语言行为，如复述、代词置换和刻板媒体引用等，往往在自然对话中缺席，仅在特定对话条件下才会显现。在结构化临床评估中，这种延迟意味着问题策略选择是临床对话产出诊断信息的关键且被低估的因素。大型语言模型(LLM)能否被引导至主动选择问题策略以系统性地暴露这些潜在特征尚未充分探索。我们提出TPA(Think, Plan, Ask)，一种主动式多智能体对话框架，用于Autism Diagnostic Observation Schedule Module 4(ADOS-2)语言评估组件。在该框架中，医生智能体明确推理哪些特征尚未被观察到，然后选择基于临床的策略并生成针对性问题。以真实ADOS-2临床数据为基础的患者智能体使我们能够在不涉及真实患者参与的情况下实现可重复的评估。我们在三个独立实验中进行了验证，确认其与真实患者语言的忠实度。我们在35名患者的484个情节上进行评估，TPA在所有主要指标上均优于六个竞争性对话规划基线，实现了82.1%的SLD特征覆盖率，显著高于由专业临床医生进行的自动化复盘(65.5%)，在每个回合的诊断效率方面也有显著提升(AUCC: 0.628 vs. 0.458，绝对提升+0.170)。这些结果表明，主动式问题策略选择在提高自动化SLD特征评估效率方面具有重要作用，直接意味着可扩展的AI辅助临床筛查。
引用
@article{arxiv.2605.22993,
title = {A Proactive Multi-Agent Dialogue Framework for Assessing Social Language Disorder Traits in Autism},
author = {Chuanbo Hu and Minglei Yin and Bin Liu and Wenqi Li and Lynn K. Paul and Shuo Wang and Xin Li},
journal= {arXiv preprint arXiv:2605.22993},
year = {2026}
}