ProAI: Proactive Multi-Agent Conversational AI with Structured Knowledge Base for Psychiatric Diagnosis
Created by
- Haebom
Category
Empty
저자
Yuqi Wu, Guangya Wan, Jingjing Li, Shengming Zhao, Lingfeng Ma, Tianyi Ye, Ion Pop, Yanbo Zhang, Jie Chen
개요
본 논문은 대부분의 대화형 AI 시스템이 사용자의 프롬프트에 반응적으로 대응하는 것과 달리, 정신 건강 진단, 상담, 면접과 같이 AI가 주도적인 역할을 해야 하는 실제 응용 분야에 초점을 맞춥니다. 이를 위해 목표 지향적이고 사전적인 대화형 AI 프레임워크인 ProAI를 제시합니다. ProAI는 구조화된 지식 기반 메모리, 다중 에이전트 사전 추론, 다면적 평가 전략을 통합하여 LLM이 단순한 응답 생성을 넘어 임상의 스타일의 진단 추론을 수행할 수 있도록 합니다. 시뮬레이션된 환자 상호 작용, 사용자 경험 평가 및 전문 임상 검증을 통해 ProAI가 정신 질환 감별 진단에서 최대 83.3%의 정확도를 달성하면서 전문적이고 공감적인 상호 작용 표준을 유지함을 보여줍니다. 이는 더욱 신뢰할 수 있고, 적응력이 뛰어나며 목표 지향적인 AI 진단 보조 시스템의 잠재력을 강조하며, LLM을 반응적 대화 시스템 그 이상으로 발전시키는 것을 의미합니다.
시사점, 한계점
•
시사점:
◦
LLM 기반 대화형 AI 시스템의 한계를 극복하고, 목표 지향적이고 사전적인 상호 작용을 가능하게 하는 새로운 프레임워크(ProAI) 제시.
◦
정신 질환 감별 진단에서 높은 정확도(최대 83.3%)와 전문적인 상호 작용을 동시에 달성.
◦
LLM을 활용한 더욱 신뢰할 수 있고 적응력 있는 AI 진단 보조 시스템 개발 가능성 제시.
◦
다양한 목표 지향적 대화 시스템 개발에 대한 새로운 패러다임 제시.
•
한계점:
◦
시뮬레이션된 환자 상호 작용을 기반으로 한 결과이므로, 실제 임상 환경에서의 일반화 가능성에 대한 추가 연구 필요.
◦
ProAI의 성능은 사용된 지식 기반과 LLM의 성능에 의존적일 수 있음.
◦
다양한 정신 질환 및 임상 상황에 대한 적용 가능성에 대한 추가 연구 필요.
◦
윤리적 고려 사항(예: 개인정보보호, 책임성)에 대한 심도있는 논의 필요.
