TRUST：面向创伤理解与结构化评估的基于大语言模型的对话系统

目标：尽管大语言模型（LLM）已被广泛用于帮助临床医生并支持患者，但目前尚无研究探索面向标准诊断访谈和评估 的对话系统。本研究旨在通过开发一个由 LLM 支持的对话系统来复制临床医生的行为，从而弥补精神医学可及性之间的鸿沟。材料与方法：我们引入 TRUST，一个由可协作的 LLM 模块组成的框架，能够进行正式的创伤后压力障碍（PTSD）诊断访谈和评估。为指导生成适当的临床回应，我们提出了专为临床访谈设计的对话行为（Dialogue Acts）模式。此外，我们开发了一种基于真实访谈记录的患者模拟方法，以取代临床医生进行耗时且昂贵的手动测试。结果：设计了一套全面的评估指标，从 agent 与患者模拟两个角度评估该对话系统。临床和对话专家的评估表明，TRUST 的表现与真实的临床访谈相当。讨论：我们的系统在相当于平均临床医生的水平上，仍有提升沟通风格和响应恰当性的空间。结论：TRUST 框架显示其在促进精神医学可及性方面的潜力。