PatientHub: A Unified Framework for Patient Simulation

📄 arXiv: 2602.11684v1 📥 PDF

作者: Sahand Sabour, TszYam NG, Minlie Huang

分类: cs.CL, cs.AI, cs.HC

发布日期: 2026-02-12

备注: Work in progress

🔗 代码/项目: GITHUB

💡 一句话要点

PatientHub：用于患者模拟的统一框架，促进方法标准化与可复现性。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 患者模拟 大型语言模型 统一框架 标准化评估 心理咨询 人机对话 可复现性

📋 核心要点

  1. 现有患者模拟方法依赖于不兼容的数据格式和评估指标，缺乏统一标准，导致难以复现和公平比较。
  2. PatientHub框架旨在标准化模拟患者的定义、组成和部署，提供统一的模块化平台，促进方法开发和评估。
  3. 通过案例研究和原型设计，验证了PatientHub框架的实用性和可扩展性，降低了开发新方法的门槛。

📝 摘要（中文）

随着大型语言模型在角色扮演应用中日益普及，模拟患者已成为培训咨询师和扩展治疗评估的宝贵工具。然而，现有工作是分散的：现有方法依赖于不兼容、非标准化的数据格式、提示和评估指标，阻碍了可复现性和公平比较。本文介绍了PatientHub，一个统一且模块化的框架，用于标准化模拟患者的定义、组成和部署。为了展示PatientHub的实用性，我们实现了几种具有代表性的患者模拟方法作为案例研究，展示了我们的框架如何支持标准化的跨方法评估和自定义评估指标的无缝集成。我们还通过原型设计两种新的模拟器变体来展示PatientHub的可扩展性，突出了PatientHub如何通过消除基础设施开销来加速方法开发。通过将现有工作整合到一个可复现的管道中，PatientHub降低了开发新模拟方法的门槛，并促进了跨方法和跨模型的基准测试。我们的框架为以患者为中心的对话中的未来数据集、方法和基准测试提供了实践基础，代码已通过https://github.com/Sahandfer/PatientHub公开。

🔬 方法详解

问题定义：现有患者模拟方法缺乏统一的标准，数据格式、提示和评估指标各不相同，导致研究结果难以复现和比较。这阻碍了该领域的发展，使得研究者难以在新方法的基础上进行改进和创新。

核心思路：PatientHub的核心思路是提供一个统一的框架，标准化患者模拟的各个方面，包括数据格式、模拟器构建和评估流程。通过模块化的设计，研究者可以轻松地集成和比较不同的模拟方法，并自定义评估指标。

技术框架：PatientHub框架包含以下主要模块：1) 数据标准化模块，用于将不同的患者数据格式转换为统一的格式；2) 模拟器构建模块，提供构建不同类型患者模拟器的工具和接口；3) 评估模块，支持标准化的跨方法评估和自定义评估指标的集成。整体流程是从标准化数据开始，使用模拟器构建模块创建患者模拟器，然后使用评估模块评估模拟器的性能。

关键创新：PatientHub的关键创新在于其统一性和模块化设计。它提供了一个标准化的平台，使得研究者可以轻松地开发、评估和比较不同的患者模拟方法。此外，PatientHub还支持自定义评估指标，使得研究者可以根据自己的需求评估模拟器的性能。

关键设计：PatientHub采用模块化设计，各个模块之间相互独立，易于扩展和修改。框架提供了一组标准的API，用于访问和操作患者数据、构建模拟器和评估性能。具体的技术细节，例如数据格式、损失函数和网络结构，取决于所使用的具体模拟方法。

🖼️ 关键图片

fig_0

📊 实验亮点

论文通过案例研究展示了PatientHub的实用性，实现了几种具有代表性的患者模拟方法，并进行了跨方法评估。此外，论文还通过原型设计两种新的模拟器变体，验证了PatientHub的可扩展性。实验结果表明，PatientHub可以有效地降低开发新方法的门槛，并促进跨方法和跨模型的基准测试。具体的性能数据和提升幅度在论文中进行了详细的描述。

🎯 应用场景

PatientHub框架可应用于心理咨询师培训、治疗评估和人机对话系统等领域。通过模拟真实的患者场景，可以帮助咨询师提高沟通技巧和诊断能力。此外，PatientHub还可以用于评估不同治疗方案的效果，并为患者提供个性化的治疗建议。该框架的标准化和可复现性将促进患者模拟领域的发展，并为未来的研究提供基础。

📄 摘要（原文）

As Large Language Models increasingly power role-playing applications, simulating patients has become a valuable tool for training counselors and scaling therapeutic assessment. However, prior work is fragmented: existing approaches rely on incompatible, non-standardized data formats, prompts, and evaluation metrics, hindering reproducibility and fair comparison. In this paper, we introduce PatientHub, a unified and modular framework that standardizes the definition, composition, and deployment of simulated patients. To demonstrate PatientHub's utility, we implement several representative patient simulation methods as case studies, showcasing how our framework supports standardized cross-method evaluation and the seamless integration of custom evaluation metrics. We further demonstrate PatientHub's extensibility by prototyping two new simulator variants, highlighting how PatientHub accelerates method development by eliminating infrastructure overhead. By consolidating existing work into a single reproducible pipeline, PatientHub lowers the barrier to developing new simulation methods and facilitates cross-method and cross-model benchmarking. Our framework provides a practical foundation for future datasets, methods, and benchmarks in patient-centered dialogue, and the code is publicly available via https://github.com/Sahandfer/PatientHub.