본 논문은 대규모 언어 모델(LLM)을 활용한 효율적인 정신 건강 평가 프레임워크인 MAQuA를 제안합니다. MAQuA는 다차원적 정신 건강 문제를 동시에 스크리닝하며, 다중 결과 모델링, 항목 반응 이론(IRT), 요인 분석을 결합하여 각 질문 순서에서 가장 정보가 많은 질문을 선택합니다. 이를 통해 진단 정확도를 높이고 응답 부담을 줄이는 것을 목표로 합니다. 실험 결과, MAQuA는 무작위 질문 순서와 비교하여 평가에 필요한 질문 수를 50-87%까지 줄이는 것으로 나타났습니다 (예: 우울증 점수는 71%, 섭식 장애 점수는 85% 감소). 내면화 장애(우울증, 불안)와 외면화 장애(약물 남용, 섭식 장애) 모두에서 견고한 성능을 보이며, 조기 중단 전략을 통해 환자의 시간과 부담을 더욱 줄일 수 있습니다. 결론적으로 MAQuA는 확장 가능하고, 정교하며, 상호 작용적인 정신 건강 스크리닝을 위한 강력하고 효율적인 도구로서 LLM 기반 에이전트의 실제 임상 워크플로 통합을 발전시킵니다.
