用于评估自闭症社交语言障碍特征的前瞻性多智能体对话框架

# 面向自闭症社交语言障碍特征评估的主动式多智能体对话框架 来源：https://arxiv.org/html/2605.22993

1\]\orgdiv计算机科学系，\orgname奥尔巴尼大学，\city奥尔巴尼，\postcode12222，\state纽约州，\country美国  
2\]\orgdiv管理信息系统系，\orgname西弗吉尼亚大学，\city摩根敦，\postcode26506，\state西弗吉尼亚州，\country美国  
3\]\orgdiv放射学系，\orgname圣路易斯华盛顿大学，\city圣路易斯，\postcode63110，\state密苏里州，\country美国  
4\]\orgdiv人文与社会科学学院，\orgname加州理工学院，\city帕萨迪纳，\postcode91125，\state加利福尼亚州，\country美国  
\fnm尹明磊\sur尹，\fnm刘斌\sur刘，\fnm李文琦\sur李，\fnmLynn K.\surPaul，\fnm王硕\sur王，\fnm李昕\sur李  
[email protected]（https://arxiv.org/html/2605.22993v1/mailto:[email protected]）

###### 摘要

与自闭症谱系障碍中社交语言障碍（SLD）相关的特征性语言行为（包括回声式重复、代词错位和刻板媒体引述）在自发对话中基本不出现，仅在特定对话条件下才会显露。在结构化临床评估中，这种潜伏性意味着提问策略的选择是一个关键但未被充分重视的决定因素，它直接影响对话能获取多少诊断信息。目前尚不清楚大型语言模型（LLM）能否被引导去主动选择能够系统性地揭示这些潜在特征的提问策略。本文提出TPA（思考、计划、提问），一种应用于自闭症诊断观察量表模块4（ADOS-2）语言评估组件的主动式多智能体对话框架。在该框架中，医生智能体在选取临床依据充分的策略并生成针对性问题前，会明确推理哪些特征尚未观察到。一个基于真实ADOS-2临床数据的患者智能体，无需真实患者参与即可实现可重复评估，并通过三项独立实验验证其充分忠实于真实患者的语言。在来自35名患者的484个回合上评估，TPA在所有主要指标上均优于六个有竞争力的对话规划基线，实现了82.1%的SLD特征覆盖率，比由训练有素的临床医生进行的真实临床对话自动重放（65.5%）高出16.6个百分点，且每轮诊断效率显著更高（AUCC：0.628对比0.458，绝对增益+0.170）。这些结果表明，主动式提问策略选择能显著提高自动化SLD特征评估的效率，对可扩展的AI辅助临床筛查具有直接意义。

###### 关键词：自闭症谱系障碍、语言缺陷、识别语言特征、大型语言模型、多智能体系统

## 引言

自闭症谱系障碍（ASD）影响美国约1/36的儿童\[maenner2023\]，是最常见的神经发育障碍之一。尽管在早期检测和干预方面进行了数十年的研究，但获得及时诊断的机会仍然极不公平。在美国专科中心，近三分之二报告评估等待时间超过四个月，超过五分之一的中心等待名单超过一年或已停止接受新转诊，77%的诊所认为评估时长和文档负担是主要障碍\[cognoa2023\]。来自农村地区、低收入家庭和少数族裔社区的家庭面临更严重的障碍\[doherty2021\]。其后果远不止行政不便：随机对照试验证据表明，在18个月而非27个月时开始干预，在语言和适应行为方面能产生显著更大的改善\[guthrie2023\]，系统综述确认诊断延迟直接恶化长期发育结果\[daniolou2022\]。在美国，从首次家长担忧到确诊诊断的平均延迟超过27个月\[chen2023\]，这一差距很大程度上由训练有素的评估者短缺以及评估本身所需时间造成。

自闭症诊断观察量表第二版（ADOS-2）\[lord2012\]是国际公认的ASD评估金标准。用于语言流畅的青少年和成人的ADOS-2模块4，需要训练有素的临床医生进行45-90分钟的半结构化访谈，在结构化活动中编码社交沟通行为。先前的计算工作利用了ADOS-2访谈的单一模态，包括视频中的身体运动和动作识别\[ruan2023mmys\]、面部微表情\[ruan2024can\]、访谈录音中的面部动态\[zhang2022discriminative\]、社交凝视模式\[yu2024video\]以及声学语音特征\[hu2025speech,fusaroli2017voice\]，用于自动评估。除了这些非语言方法外，另一条并行的工作线将自然语言处理应用于ADOS-2转录文本，提取自动语言测量指标——包括平均话语长度、词汇多样性和重复比例——这些指标能在标准化ADOS-2任务中可靠地区分ASD与典型发育和ADHD\[salem2021evaluating,macfarlane2022combining\]。更近期的研究进一步表明，从ADOS-2叙事任务中提取的情感和语言抽象特征，能够捕捉语用障碍，其敏感性足以作为临床编码的定量补充\[chojnicka2020social\]。

这些方法有一个共同假设：感兴趣的诊断信号可以被动地从录音中观察。虽然这一假设在非语言模态中通常成立，但在ADOS-2的语言组件中并不成立。通过A4算法正式评估的社交语言障碍（SLD）特征——包括回声式重复、代词错位、刻板媒体引述和多余短语附着——在自发对话中基本不出现，仅在特定互动条件下才会显露。这种上下文依赖性在ASD语言文献中已得到充分证实：Tager-Flusberg、Paul和Lord\[tager2005language\]将回声言语和代词反转确定为语用现象，其出现与对话语体和认知负荷相关，而非稳定的、自由可观察的特征；Volden和Lord\[volden1991neologisms\]证明，语言流畅的自闭症说话者的特异语言产生随着话语复杂性和话语需求的增加而增加，在自然主义访谈情境中比在受控诱发任务中更倾向于出现；Luyster等人\[luyster2022conventions\]表明，叙事和对话采样格式相对于句子级任务能显著增加非常语言形式的产生，正是因为这些格式施加了这些特征浮出水面所需的社会互动压力。这些发现共同确立了可靠诱发SLD特征是有效A4评分的先决条件——在结构不良的对话中未产生刻板语言的患者可能得分为0，并非因为该特征不存在，而是因为互动从未创造让它出现的条件\[hu2025exploiting\]。

大型语言模型（LLM）的最新进展在临床应用方面显示出潜力，从从临床记录中提取结构化信息\[stanley2025\]和从已完成转录文本中分类障碍相关语言特征\[hu2025exploiting\]，到进行与初级保健医生诊断质量相当的一般医学访谈\[tu2025towards\]。然而，这些进展几乎完全集中在问题的检测方面——从已经产生的语言中识别特征。更根本的诱发挑战仍未得到解决：*如何在有限回合数内，在没有训练有素专家指导的情况下，进行能够系统性地揭示潜在SLD特征的结构化临床对话？*

**表1：** 我们提出的TPA（思考、计划、提问）框架与代表性先前系统的比较（✓ = 支持；× = 不支持）。

| 工作 | 领域 | 患者模拟 | 规划 | 临床 | SLD | 医学多智能体 |
|---|---|---|---|---|---|---|
| AI医院\[fan2025aihospital\] | 通用 | 角色扮演 | 自由形式 | × | × |
| AgentClinic\[schmidgall2024agentclinic\] | 临床 | 偏见注入 | LLM生成 | × | × |
| MedAgentSim\[almansoori2025medagentsim\] | 通用 | 基于LLM | 经验链式思考 | × | × |
| 精神病学模拟 PATIENT-Ψ\[wang2024patientpsi\] | 认知行为疗法 | 认知模型 | 人类主导 | ✓ | × |
| PSYCHE\[kim2025psyche\] | 精神病学 | 行为概貌 | 自由形式 | × | × |
| 对话规划 GDP-Zero\[deng2023gdpzero\] | 说服 | N/A | MCTS | × | × |
| BED-LLM\[choudhury2025bed\] | 信息寻求 | N/A | 贝叶斯EIG | × | × |
| DPDP\[dpdp2024\] | 主动对话 | N/A | 双过程 | × | × |
| UoT\[ye2024uot\] | 信息寻求 | N/A | 不确定性TS | × | × |
| TOUT\[mo2024tree\] | 对话 | N/A | 话语树 | × | × |
| TPA（我们的方法） | ADOS-2 | 基于特征 | 主动链式思考 | ✓ | ✓ |

如表1所示，先前对这一问题的计算方法分为三大类，每类解决挑战的不同方面。医学多智能体系统\[fan2025aihospital,schmidgall2024agentclinic,almansoori2025medagentsim\]已证明LLM驱动的临床对话在大规模上的可行性，在通用和临床领域协调多个智能体。然而，没有一个包含特征级依据或结构化诱发目标：临床对话被视为自由形式生成任务，而非系统性证据收集过程。精神病学模拟系统\[wang2024patientpsi,kim2025psyche\]通过建模患者特定的认知或行为概貌，更接近结构化评估，证明了模拟器能再现临床上有意义的反应模式。然而，这些系统依赖人类主导或自由形式的对话管理，没有自动策略选择，而且没有一个将特定语言特征的诱发作为可测量的诊断目标。最近的工作将检索增强生成应用于患者模拟\[yu2024aipatient\]，将LLM响应基于真实临床记录以提高响应忠实度；我们的患者智能体将此原则扩展到策略敏感的特征表达，其中模拟器必须根据所使用的提问策略有条件地再现语言。目标导向的对话规划方法将策略选择视为对对话状态的优化，在说服和信息寻求对话中显示出潜力。然而，它们有一个共同的局限性：策略选择被视为黑箱优化问题，与决定哪些对话条件会浮现哪些诊断特征的临床逻辑脱节。因此，没有一种方法被应用于结构化精神病学评估，也没有一种方法能解释为什么在特定时刻选择特定策略——这一属性不仅对临床透明度重要，而且正如我们所示，它还驱动诊断效率。

综上所述，现有系统没有将基于特征的患者模拟与结构化策略集上的显式临床推理相结合——我们证明，这两个组件共同对于高效的SLD特征诱发是必要的。TPA直接填补了这一空白。

参见图注
**图1：** TPA多智能体评估框架概览，按四个功能层组织。输入层为所有智能体提供会话上下文；规划层实现思考-计划-提问主动推理循环；智能体层包括医生智能体、患者智能体和SLD特征检测器，执行每个对话回合；数据层提供临床片段库，用于特征校准和语言锚点检索。检测到的特征在每个回合反馈给TPA选择器，关闭主动推理循环。

参见图注
**图2：** TPA选择器：单个对话回合中的主动链式思考策略选择示意。三个步骤——思考、计划、提问——在每个回合顺序执行，每一步基于前一步的输出。思考步骤的推理链驱动计划步骤中的策略选择，进而约束提问步骤中的问题生成，确保临床问题反映推理所确定的特定诊断意图，而不仅仅是对表面对话特征的反应。思考步骤在每个回合重复，随着特征被确认，逐步缩小诊断差距。

参见图注
**图3：** 患者智能体架构，包含两个组件：一个概率性特征发射模型，根据患者层面的基率、策略特定诱发特征概貌和问题-特征语义亲和力确定表达哪些SLD特征；一个基于LLM的语言实现器，通过从临床片段库中进行锚点检索，基于真实ADOS-2临床语言生成自然主义的患者响应。

本文提出**TPA**（思考、计划、提问），一种主动式多智能体对话框架（图1），旨在通过系统性的提问策略选择提高结构化自闭症语言评估的诊断效率。TPA的核心临床洞察是：专家临床医生并非被动地形成问题；在每次发声之前，他们会推理哪些诊断证据仍然缺失、为什么尚未出现，以及哪种对话方法最有可能使其浮现。TPA将此推理周期形式化为三个明确的步骤：1）**思考**，生成当前诊断状态的结构化分析，并识别优先未观察到的特征；2）**计划**，基于该分析从临床依据充分的动作集中选择最优提问策略；3）**提问**，基于两者生成有针对性的临床问题，从而将反应性对话转化为系统性的诊断诱发。

评估此类框架需要一个以真实患者方式对不同提问策略作出反应的患者模型。因此，我们开发了一个基于真实ADOS-2临床数据的患者智能体，结合了从临床转录文本校准的概率性特征发射模型和锚定到真实患者反应的混合语言实现器。三项独立验证实验确认，该模拟器在特征频率和语义内容上以足够的忠实度再现了真实临床语言。本工作的主要贡献总结如下：

- **主动式多智能体框架**：我们提出TPA（图2），一种新颖的主动式多智能体对话框架，将诊断推理过程形式化为显式的思考-计划-提问循环。通过推理未观察到的诊断差距，TPA将自动评估从被动观察转变为系统性的、目标导向的诱发。
- **基于临床的患者智能体**：我们开发并验证了一个基于真实ADOS-2临床数据的患者智能体（图3）。通过三项独立验证实验，我们证明该模拟器忠实地再现了真实患者的语言模式和策略依赖行为，为临床对话研究提供了可重复的环境。
- **优越的诊断效率**：我们证明TPA显著优于六个有竞争力的对话规划基线。关键的是，与