ADAPTS는 우울증과 불안 심각도를 자동으로 평가하는 혼합 에이전트 LLM 아키텍처 기반 프레임워크다. 긴 형식의 임상 인터뷰를 증상별 추론 과제로 분해하고 감사 가능한 정당화를 생성하며 시간적·화자 정렬을 보존한다. 두 독립 데이터셋(N=204)에서 검증한 결과, 고불일치 인터뷰에서 자동화된 평가가 원본 인간 평가(절대 오차 26)보다 전문가 기준(절대 오차 22)에 더 가깝게 근접했으며, 확장 프로토콜로 ICC(2,1)=0.877의 높은 절대 일치도를 달성했다.
- •ADAPTS는 긴 임상 인터빴를 증상별 추론 과제로 분해하는 혼합 에이전트 LLM 아키텍처 프레임워크다.
- •두 독립 데이터셋(N=204)에서 검증하여 고불일치 인터뷰에서 인간 평가보다 전문가 기준에 더 가깝게 근접했다.
- •확장 프로토콜 구현으로 ICC(2,1)=0.877의 높은 절대 일치도를 달성했다.
- •순수 텍스트 기반이지만 음향·시각 특징 등 멀티모달 입력으로 쉽게 확장 가능한 아키텍처를 갖추고 있다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
ADAPTS: Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms
- 1.LLM 혼합 에이전트 구조 ADAPTS로 장기 임상 인터뷰에서 우울·불안 심각도를 자동 평가
- 2.고불일치 인터뷰에서 자동 평가가 인간 전문가 평가 수준 근접, 확장된 프로토콜로 ICC 0.877 달성
- 3.프로토콜에 무관하게 2개 독립 데이터셋(N=204)에서 일반화 검증, 다중 모달로 확장 가능
왜 중요한가?
자원이 부족한 의료 환경에서 전문가 수준의 정신과 평가를 확장 가능한 방식으로 자동화할 수 있어, AI 기반 정신건강 모니터링 분야에 실용적 기반을 마련한다.
언급 프로젝트
본문 미리보기
arXiv:2605.03212v2 Announce Type: new Abstract: Modeling latent clinical constructs from unconstrained clinical interactions is a unique challenge in affective computing. We present ADAPTS (Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms), a framework for automated rating of depression and anxiety severity using a mixture-of-agents LLM architecture. This approach decomposes long-form clinical interviews into symptom-specific reasoning tasks, producing auditable justif
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
