ADAPTS（Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms）は、Alexandria K. Vail、Marcelo Cicconet、Katie Aafjes-van Doorn、Ryan Maroney、Marc Aafjesの各氏によって提案された新しいフレームワークです。この研究はarXivプレプリント（arXiv:2605.03212）として公開されており、混合エージェントLLMアーキテクチャを用いて、うつ病や不安症の重症度を自動評価することを目的としています。感情コンピューティングの分野では、制約のない臨床インタラクションから潜在的な臨床構築をモデル化することが独自の課題となっています。ADAPTSは、長形式の臨床面接を症状固有の推論タスクに分解し、時間的順序と話者の対応関係を保持しながら、監査可能な推論根拠を生成することで、この課題を克服しています。
研究チームは、異なる面接構造を持つ2つの独立したデータセット（合計204名）でADAPTSの汎化性能を評価しました。不一致の大きい面接において、自動評価（絶対誤差22）は専門家ベンチマークに人間の評価（絶対誤差26）よりも近づきました。質的な臨床慣行を取り入れた「拡張」プロトコルを実装することで、評価の安定性が大幅に向上し、絶対一致度ICC(2,1)=0.877を達成しました。これらの結果は、ADAPTSフレームワークが精神医学的重症度評価において有望であることを示しています。
現在の実装はテキストベースですが、そのアーキテクチャは音響や視覚的特徴を含むマルチモーダル入力に容易に拡張可能です。プロトコル非依存の方法で専門家レベルの精度に近似することにより、このフレームワークは、特にリソースが限られた環境での客観的でスケーラブルな精神医学的評価の基盤を提供します。本研究は2026年5月4日に初版が提出され、2026年5月6日に改訂されました。論文の主題は人工知能（cs.AI）、計算と言語（cs.CL）、ヒューマンコンピュータインタラクション（cs.HC）、統計学の応用（stat.AP）、計算統計（stat.CO）に分類されています。このフレームワークの成功は、精神医学的評価の自動化と客観化を促進し、世界的な精神保健サービスの普及に技術的支援を提供することが期待されます。