COMPASS：基于语言建模的患者-治疗师联盟策略计算映射
摘要
治疗工作联盟是心理治疗成功的关键预测因素。传统上，工作联盟评估依赖于治疗师和患者双方填写的问卷。在本文中，我们提出了 COMPASS，一种直接从心理治疗会话中使用的自然语言推断治疗工作联盟的新框架。我们的方法利用先进的大型语言模型（LLMs）分析会话记录并将其映射到分布式表示。这些表示捕捉了对话与心理测量工具（如工作联盟量表）之间的语义相似性。通过分析 1970 年至 2012 年间收集的涵盖多种精神疾病（包括焦虑症（N=498）、抑郁症（N=377）、精神分裂症（N=71）和自杀倾向（N=12））的 950 多次会话数据集，我们展示了我们的方法在提供患者-治疗师对齐轨迹的细粒度映射、为临床实践提供可解释的见解以及识别与所治疗疾病相关的新兴模式方面的有效性。通过采用各种基于深度学习的主题建模技术并结合提示生成式语言模型，我们分析了不同精神疾病的主题特征以及这些主题在对话每一轮中如何演变。这一综合框架增强了对治疗互动的理解，使治疗师能够就治疗关系的质量获得及时反馈，并为提高心理治疗的有效性提供清晰、可操作的见解。
引用
@article{arxiv.2402.14701,
title = {COMPASS: Computational Mapping of Patient-Therapist Alliance Strategies with Language Modeling},
author = {Baihan Lin and Djallel Bouneffouf and Yulia Landa and Rachel Jespersen and Cheryl Corcoran and Guillermo Cecchi},
journal= {arXiv preprint arXiv:2402.14701},
year = {2025}
}
备注
Translational Psychiatry, in press. This work extends our research series in computational psychiatry (e.g auto annotation in arXiv:2204.05522, topic extraction in arXiv:2204.10189, and diagnosis in arXiv:2210.15603) with the introduction of LLMs to complete the full cycle of interpreting and understanding psychotherapy strategies as a comprehensive analytical framework