ADAPTS：用于自动化协议无关症状跟踪的智能体分解
人工智能
2026-05-07 v2 计算与语言
人机交互
应用统计
统计计算
摘要
从不受约束的临床交互中对潜在临床 constructs 进行建模是情感计算中的独特挑战。我们提出 ADAPTS（Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms），一种用于自动化抑郁和焦虑严重程度评估的框架，采用混合智能体 LLM 架构。该方法将长篇临床访谈分解为症状特定推理任务，生成可审计的依据，同时保持时间和说话者对齐。通过两个独立的数据集（）进行一般化评估，数据集结构各不相同。在高差异程度的访谈中，自动化评级更接近于专家基准（），而不仅仅是原始人类评级（）。通过实施包含定性临床惯例的“扩展”协议，显著稳定了评级，绝对一致性达到 。这些发现表明，ADAPTS 框架实现了针对性的精神病 severity 评估。虽然当前实现仅基于文本，但该体系结构易于扩展到多模态输入，包括声学和视觉特征。通过以协议无关的方式接近专家水平的精度，ADAPTS 框架为客观且可扩展的精神病评估提供了基础，尤其在资源有限的环境中。
引用
@article{arxiv.2605.03212,
title = {ADAPTS: Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms},
author = {Alexandria K. Vail and Marcelo Cicconet and Katie Aafjes-van Doorn and Ryan Maroney and Marc Aafjes},
journal= {arXiv preprint arXiv:2605.03212},
year = {2026}
}