自閉症スペクトラム障害（ASD）に対するAI支援早期集中行動介入（EIBI）の開発は、データ不足によって深刻に制約されています。さらに、応用行動分析（ABA）は臨床介入のゴールドスタンダードですが、汎用大規模言語モデル（LLM）はその標準化された手順を厳密に遵守できず、言語的に流暢ではあるが戦略的に一貫性のないインタラクションを生成することがよくあります。これらの課題に対処するため、研究者らはASDAgentを導入しました。これは、高忠実度の介入対話合成と臨床意思決定支援を統合する戦略認識フレームワークです。
ASDAgentは、2つの専門コンポーネントを組み込んでいます。(i) 観察-思考-行動-修正（O-T-A-C）推論ループを備えた医師エージェント（DoctorAgent）は、ABAの実行を明示的かつ制御可能にすることで、LLMにおける戦略崩壊の問題を解決します。(ii) 子供エージェント（ChildAgent）は確率的行動モデリングを利用してデータの均質性を軽減し、多様で非決定論的なASD応答パターンをシミュレートします。これらのコンポーネントが連携することで、ASDAgentはABA基準に準拠しつつ多様性のある介入対話を生成できます。
実験では、ASDAgentによって生成された対話が人間のセラピストの戦略分布を密接に反映していることが示されました（KLダイバージェンス：0.083）。実際の自閉症介入では、ASDAgentは人間の専門家と80%近い戦略的一貫性を達成し、その臨床補助の可能性を示しています。さらに、ASDAgentによって生成された合成データは、専門的な臨床知識を小型言語モデル（SLM）に効果的に蒸留し、その治療能力を大幅に向上させることが示されました。これは、リソースが制限された環境でのAI支援介入に新たな道を開きます。
この研究はJunhong Lai、Shuzhong Laiら複数の著者によって行われ、2026年のACLメインカンファレンスに採択されています。ASDAgentフレームワークは、AI支援自閉症介入のための新しいソリューションを提供するだけでなく、厳格な臨床プロトコルに従う必要がある他のアプリケーション（心理療法、リハビリテーションなど）にも参考となる可能性があります。将来的には、このフレームワークがさらに多くの臨床分野で活用され、AIが純粋な対話生成から真の臨床意思決定支援へと進化することが期待されます。