用于数字精神科初诊医患交互中高保真合成数据生成的诚实感知多智能体框架
数据库
2026-01-15 v1
摘要
数据稀缺和不可靠的自我报告（如隐瞒或夸大）对精神科初诊和评估构成了根本性挑战。我们提出了一个多智能体合成框架，该框架显式地对患者欺骗行为进行建模，以生成高保真、可公开发布的合成精神科初诊记录。从 DAIC-WOZ 访谈出发，我们构建了丰富的患者画像，并模拟了一个四角色工作流：\emph{Patient} 在依赖主题的诚实状态下完成自评量表并参与半结构化访谈；\emph{Assessor} 根据人口统计学特征和主诉选择评估工具；\emph{Evaluator} 基于评估者施测量表进行访谈，追踪怀疑情绪，并完成评分；\emph{Diagnostician} 将所有证据整合为诊断总结。每个案例将患者画像、自评与他评响应、访谈记录、诊断总结及诚实状态关联起来。我们通过四项互补的评估验证了该框架：诊断一致性与严重程度分级、思维链消融、临床真实性与不诚实建模的人工评估，以及基于 LLM 的对比评估。生成的语料库涵盖多种疾病和严重程度，能够支持对诚实感知精神科评估的受控研究，以及自适应对话智能体的训练与评估。
引用
@article{arxiv.2601.09216,
title = {Honesty-Aware Multi-Agent Framework for High-Fidelity Synthetic Data Generation in Digital Psychiatric Intake Doctor-Patient Interactions},
author = {Xinyuan Zhang and Zijian Wang and Chang Dao and Juexiao Zhou},
journal= {arXiv preprint arXiv:2601.09216},
year = {2026}
}