MAGI: Multi-Agent Guided Interview for Psychiatric Assessment

要約

構造化された臨床インタビューを自動化すると、メンタルヘルスケアのアクセシビリティに革命をもたらす可能性がありますが、既存の大規模な言語モデル（LLMS）アプローチは、精神医学的診断プロトコルと一致しません。
ゴールドスタンダードミニ国際神経精神医学インタビュー（MINI）を調整されたマルチエージェントコラボレーションを通じて自動計算ワークフローに変換する最初のフレームワークであるMagiを提示します。
Magiは4つの専門的なエージェントを介して臨床論理を動的にナビゲートします。1）ミニの分岐構造に付着したインタビューツリーガイド付きナビゲーションエージェント、2）診断プローブ、説明、および共感をブレンドする適応質問エージェント、3）参加者からの応答がノードを満たしているかどうかを検証する判断エージェント、および4）
うつ病、一般的な不安、社会的不安、自殺をカバーする1,002人の実世界の参加者の実験結果は、MAGIが臨床的厳密さ、会話の適応性、説明可能な推論を組み合わせることにより、LLMを支援したメンタルヘルス評価を進めることを示しています。

要約(オリジナル)

Automating structured clinical interviews could revolutionize mental healthcare accessibility, yet existing large language models (LLMs) approaches fail to align with psychiatric diagnostic protocols. We present MAGI, the first framework that transforms the gold-standard Mini International Neuropsychiatric Interview (MINI) into automatic computational workflows through coordinated multi-agent collaboration. MAGI dynamically navigates clinical logic via four specialized agents: 1) an interview tree guided navigation agent adhering to the MINI’s branching structure, 2) an adaptive question agent blending diagnostic probing, explaining, and empathy, 3) a judgment agent validating whether the response from participants meet the node, and 4) a diagnosis Agent generating Psychometric Chain-of- Thought (PsyCoT) traces that explicitly map symptoms to clinical criteria. Experimental results on 1,002 real-world participants covering depression, generalized anxiety, social anxiety and suicide shows that MAGI advances LLM- assisted mental health assessment by combining clinical rigor, conversational adaptability, and explainable reasoning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google