InsightFlow：LLMによる精神保健のための患者ナラティブ生成と因果モデル化

arXiv cs.CL / 2026/4/15

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

InsightFlowは、患者とセラピストの対話トランスクリプトを、精神保健のケース定式化のために5Pに整合した因果グラフへ自動変換する、LLMベースの手法である。
本研究では、生成されたグラフを専門家の人手による定式化と、構造（NetSimile）および意味（埋め込み類似度）に関する指標で評価し、その性能がアノテータ間一致に匹敵し、かつ強い意味的整合性が得られることを示した。
専門家レビューアは、出力の完全性が中程度で、整合しており、臨床的に有用であると評価しており、このアプローチが臨床家の実務における自然なばらつきの範囲に収まることを示唆している。
生成されたグラフは、人間の「鎖（chain-like）」パターンよりも相互接続が多く見えることが多いが、全体の複雑さや内容のカバー範囲は同程度のままである。
本論文は、臨床ワークフローを自動化された因果モデル化で補完しうると結論づけつつ、今後の課題として時間的推論や冗長性の削減が残っている点を挙げている。