ADAPTS：面向协议无关症状追踪的智能体分解

从非结构化临床交互中建模潜在临床构念是情感计算的独特挑战。我们提出ADAPTS（Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms）：用混合智能体LLM架构自动评定抑郁与焦虑严重度。该方法把长篇临床访谈分解为症状特定的推理任务，产出可审计的依据，同时保持时间与说话人对齐。在两个访谈结构各异的独立数据集（N=204）上评估泛化。在高差异访谈上，自动评定比原始人类评分更接近专家基准（绝对误差22对26）。实施纳入定性临床约定的「扩展」协议显著稳定了评分，绝对一致性达ICC(2,1)=0.877。这些发现提示ADAPTS框架能支撑有前景的精神科严重度评估。当前实现纯文本，但底层架构易于扩展到声学与视觉特征等多模态输入。以协议无关方式逼近专家级精度，该框架为客观、可扩展的精神科评估奠定基础，尤其适合资源受限场景。