虚拟言语治疗师（Virtual Speech Therapist, VST）是由Shakeel Sheikh、Patrick Marmaroli、MD Sahidullah、Slim Ouni、Fabrice Hirsch、Goncalo Leal和Bjorn W Schuller等研究人员共同开发的一种创新智能代理平台，旨在通过自动化和自适应的人工智能工作流程，简化口吃评估并交付定制化治疗计划。该平台整合了最先进的深度学习技术与多代理大语言模型（LLM）推理能力，以支持基于证据的临床决策。
VST的工作流程从患者语音样本的采集和特征提取开始。系统利用深度学习模型对语音样本进行鲁棒的口吃类型分类，识别出不同类别的口吃障碍。在获得分类结果后，VST启动一个多代理推理过程：专门的LLM代理自主生成初步的个性化治疗计划，然后由另一个批评代理进行审核，确保计划符合临床安全性、方法合理性以及同行评审证据和既定专业指南的要求。经过迭代优化，系统输出一份全面的、针对特定患者的治疗草案，供临床医生审阅。临床医生可以反馈意见，系统据此生成最终的治疗计划，从而维持临床医生在环（clinician-in-the-loop）的模式，确保人工监督和专业判断的融入。
实验评估由资深言语治疗师进行，结果证实VST能够持续生成高质量、基于证据的治疗建议。这些发现表明，该系统有潜力增强临床工作流程，减轻临床医生的负担，并改善口吃患者的治疗效果。此外，研究团队还提供了一个在线交互界面（https://vocametrix.com/ai/stuttering-therapy-planning-agent），便于实时进行口吃评估和个性化治疗规划。该研究目前正在接受同行评审，相关论文可在arXiv上获取（arXiv:2605.01101），提交日期为2026年5月1日。VST的出现标志着人工智能在言语治疗领域的重要进展，为未来的个性化医疗和远程康复提供了新的可能性。