用于评估自闭症社交语言障碍特征的主动多主体对话框架

与自闭症谱系障碍中的社交语言障碍（SLD）相关的特征性语言行为，包括回声重复、代词移位和刻板媒体引用，在自发对话中基本上不存在，只在特定的对话条件下出现。在结构化临床评估中，这种延迟意味着提问策略的选择是对话产生多少诊断信息的关键但未被充分认识的决定因素。是否可以引导 大语言模型 (LLM) 主动选择提问策略来系统地呈现这些潜在特征，这在很大程度上仍有待探索。在这里，我们提出了 TPA（思考、计划、询问），这是一种主动的多智能体对话框架，应用于自闭症诊断观察计划模块 4 (ADOS-2) 的语言评估部分，其中医生智能体在选择基于临床的策略并生成有针对性的问题之前，明确推理哪些特征尚未观察到。基于真实 ADOS-2 临床数据的患者代理可以在没有真正患者参与的情况下进行可重复的评估，并通过三个独立实验进行验证，确认对真实患者语言的足够保真度。对 35 名患者的 484 集进行评估，TPA 在所有主要指标上均优于 6 个竞争性对话计划基线，实现了 82.1% 的 SLD 特征覆盖率，比训练有素的临床医生进行的真实临床对话的自动重播 (65.5%) 高 16.6%，每轮诊断效率显着提高（AUCC：0.628 与 0.458，绝对增益 +0.170）。这些结果表明，主动提问策略的选择大大提高了自动化 SLD 特征评估的效率，对可扩展的人工智能辅助临床筛查具有直接影响。