# Optimal Question Selection from a Large Question Bank for Clinical Field Recovery in Conversational Psychiatric Intake

### 저자

Guan Gui, Peter Zandi, Jacob Taylor, Ananya Joshi

### 💡 개요

본 논문은 정신과 초진 면담에서 제한된 시간 내에 효과적으로 환자 정보를 수집하기 위한 최적의 질문 선택 문제를 다룹니다. 이를 위해 임상적으로 근거 있는 질문과 목표 정보, 환자 난이도를 고려한 질문 선택 프레임워크를 제안하며, 655개의 질문으로 구성된 벤치마크와 합성 환자 데이터를 구축했습니다. 실험 결과, LLM 기반의 적응형 질문 정책이 무작위 질문이나 고정된 질문지보다 전반적으로 우수한 정보 회복률을 달성했습니다.

### 🔑 시사점 및 한계

- 대화형 임상 시스템의 성능은 단순히 정보 이해를 넘어, 제한된 상호작용 예산 내에서 적절한 주제에 도달하는 능력에 크게 좌우됩니다.

- 환자의 행동이나 답변 태도가 정보 회복에 덜 유리할수록, 적응형 질문 정책의 이점이 더욱 두드러집니다.

- 본 연구는 향후 상호작용적 임상 머신러닝에서 임상 구조와 적응적 후속 조치가 정보 회복에 어떻게 기여하는지를 연구하기 위한 통제된 프레임워크를 제공합니다.

- 합성 환자 데이터를 사용했으므로 실제 환자와의 상호작용에서의 일반화 가능성에 대한 추가 연구가 필요합니다.

---

[PDF 보기](https://arxiv.org/pdf/2604.22067)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).