主动式多代理对话框架在自闭症社交语言障碍特征评估中的应用

背景与问题

当前，社会语言障碍（SLD）作为自闭症谱系障碍中的一个关键特征，其诊断主要依赖于特定的对话条件和结构化的临床评估。然而，在自发交流中这类特征较少出现，这使得它们在日常对话中的表现难以捕捉到，从而导致了诊断信息获取上的挑战。传统方法依赖训练有素的临床医生进行回放式评估（即通过重新播放已记录的临床对话来分析特征），但这种方式效率较低且不可扩展。

核心内容

TPA框架旨在解决上述问题，它采用多代理对话形式，在ADOS-2语言评估模块中应用。具体而言，该系统包含一个医生代理和一个基于实际临床数据构建的患者代理。其中，医生代理负责识别尚未观察到的社会语言障碍特征，并据此选择合适的提问策略生成精准的问题；而患者代理则模拟真实患者的交流行为以确保评估的真实性和重复性。

TPA框架的核心优势在于它能够主动选择最有效的提问方式来揭示潜在的SLD特征。研究团队通过三个独立实验验证了该方法的有效性，结果显示TPA在主要指标上均优于六个竞争性的对话规划基准，并且实现了显著更高的诊断效率（AUCC：0.628 vs 0.458）。

意义与影响

TPA框架的成功实施不仅证明了主动式提问策略选择在自动化SLD特征评估中的有效性，还为人工智能辅助临床筛查提供了强有力的技术支持。这种方法通过提升诊断效率和准确性，直接促进了自闭症谱系障碍的早期识别和干预，并有望在未来实现更加高效、广泛的应用。

• 关键信息：TPA框架在ADOS-2语言模块中显著提升了SLD特征评估的准确性和效率；主动提问策略选择比传统回放式评估方法更有效。