MAQuA：基于项目反应理论的自适应多维心理健康筛查提问框架
计算与语言
2025-11-21 v3 人工智能
摘要
最新进展表明，大型语言模型（LLM）为可扩展的、交互式心理健康评估提供了新的机遇，但LLM的过度查询会给用户带来负担，且在跨诊断症状轮廓的实际筛查中效率不高。我们引入MAQuA，一个用于同时进行多维心理健康筛查的自适应提问框架。该框架将语言响应的多结果建模与项目反应理论（IRT）和因子分析相结合，选择在每个回合中对多个维度最具信息性的提问，以优化诊断信息，提高准确性，可能减少响应负担。经典结果表明，MAQuA在随机排序情况下，需要的评估问题数量减少50%-87%（例如，实现抑郁分数稳定时问题数量减少71%，饮食失调分数稳定时问题数量减少85%）。MAQuA在内在（抑郁、焦虑）和外在（药物滥用、饮食失调）领域均表现出稳健的性能，早停策略进一步减少患者时间和负担。这些发现将MAQuA定位为可扩展、精细化且高效的心理健康筛查工具，推动了LLM代理向实际临床工作流程的整合。
引用
@article{arxiv.2508.07279,
title = {MAQuA: Adaptive Question-Asking for Multidimensional Mental Health Screening using Item Response Theory},
author = {Vasudha Varadarajan and Hui Xu and Rebecca Astrid Boehme and Mariam Marlan Mirstrom and Sverker Sikstrom and H. Andrew Schwartz},
journal= {arXiv preprint arXiv:2508.07279},
year = {2025}
}