Forskere fra Cedars-Sinai har utviklet et AI-støtteverktøy for psykisk helse i virtuell virkelighet (VR), kalt eXtended-reality Artificial Intelligence Assistant (XAIA).
Den studie fra forskere fra Cedars-Sinai, ledet av Brennan M. R. Spiegel, og publisert i Nature's npj Digital medisin, brukte AI, romlig databehandling og VR for å fordype brukerne i beroligende, naturinspirerte omgivelser der de kan delta i terapeutiske samtaler med en AI-avatar.
Systemet brukte GPT-4 til å tilby oppslukende terapitimer til 14 personer med mild til moderat angst eller depresjon. XAIA kan brukes med Apple Vision Pro VR-hodesettet.
Hovedforsker Brennan Spiegel, MD, MSHSskrev i en blogg på Cedars-Sinai: "Apple Vision Pro tilbyr en inngangsport til Xaias verden av oppslukende, interaktiv atferdsbasert helsestøtte - noe jeg bare kan beskrive som et kvantesprang fra tidligere teknologier."
Han fortsatte: "Med Xaia og den fantastiske skjermen i Apple Vision Pro kan vi utnytte hver eneste piksel i den bemerkelsesverdige oppløsningen og hele spekteret av levende farger til å skape en form for oppslukende terapi som er engasjerende og dypt personlig."
For å trene opp den kunstige intelligensen brukte Spiegel og teamet hans transkripsjoner fra kognitiv atferdsterapi (CBT) utført av erfarne terapeuter, med fokus på empati, validering og effektiv kommunikasjon.
Den kunstige intelligensens responser ble videreutviklet gjennom iterativ testing, der terapeuter rollespilte ulike kliniske scenarier. Dette førte til en kontinuerlig forbedring av systemets psykoterapeutiske kommunikasjon.
Deltakerne diskuterte ulike temaer med den kunstige intelligensen, noe som gjorde det mulig for forskerne å dokumentere den kunstige intelligensens anvendelse av psykoterapeutiske teknikker. I det store og hele ble XAIA lagt merke til for sin evne til å uttrykke empati, sympati og validering, noe som forsterket den terapeutiske opplevelsen.
XAIAs empatiske respons på en deltakers opplevelse av å føle seg utenfor var for eksempel: "Jeg er lei for å høre at du følte deg avvist på en så definitiv måte, spesielt når du var opptatt av det som er viktig for deg. Det må ha vært en tøff opplevelse."
Forskerne utførte en kvalitativ tematisk analyse av deltakernes tilbakemeldinger, som viste at de generelt satte pris på den kunstige intelligensens ikke-dømmende natur og kvaliteten på VR-miljøene.
Noen sa at XAIA kan være et verdifullt alternativ til tradisjonell terapi, særlig for dem som ønsker anonymitet eller som kvier seg for å delta i ansikt-til-ansikt-samtaler.
Andre fremhevet viktigheten av menneskelig interaksjon og de unike fordelene ved å få kontakt med en menneskelig terapeut.
Studien identifiserte også forbedringsområder, for eksempel AI-enes tendens til å stille deltakerne for mange spørsmål eller ikke utforske følelsesmessige reaksjoner på viktige livshendelser i tilstrekkelig grad.
Brennan Spiegel utdypet verktøyets formål: "Selv om denne teknologien ikke er ment å erstatte psykologer - men snarere supplere dem - skapte vi XAIA med tanke på tilgang, slik at teknologien kan gi meningsfull støtte til psykisk helse på tvers av lokalsamfunn."
Det virker som et interessant utgangspunkt for en dypere utforskning av fordypende terapimiljøer, noe som absolutt kan være til nytte for noen som ikke har tilgang til personlig terapi eller som ønsker å være private og anonyme i samtalene sine.
AI for analyse av terapisamtaler
I tillegg til å fungere som terapeut, har AI blitt brukt til å analysere dynamikken i reelle terapisamtaler.
I en studie fra 2023 brukte forskere kunstig intelligens til å avdekke hvordan visse talemønstre kan være nøkkelen til å forstå båndet mellom terapeuter og pasienter.
Drivkraften bak denne forskningen stammer fra et gammelt dilemma i psykoterapi: Hvordan kan vi måle og forbedre den terapeutiske alliansen på en presis måte?
Publisert i tidsskriftet iScienceStudien viste hvordan personlige pronomen og nølende tale signaliserer dybden i relasjonen mellom terapeut og pasient.
Dette begrepet refererer til den essensielle relasjonen mellom terapeuter og pasienter, et fundament som er avgjørende for effektiv terapi.
Tradisjonelt har forståelsen av dette forholdet vært en subjektiv affære, basert på personlige beretninger og tredjepartsobservasjoner, som, selv om de er verdifulle, kan gå glipp av den flytende dynamikken i faktiske terapitimer.
Forskere fra Icahn School of Medicine ved Mount Sinai så en mulighet til å bruke maskinlæring for å finne ut hva som får terapeutisk kommunikasjon til å fungere.
Studien fant sted på klinikker i New York City, og involverte 28 pasienter og 18 terapeuter som deltok i en rekke ulike terapitimer. Før timene startet, reflekterte pasientene over sine tidligere terapeutiske relasjoner og tilknytningsstiler gjennom nettbaserte spørreundersøkelser.
Forskerne brukte maskinlæring til å analysere transkripsjonene ved hjelp av naturlig språkbehandling (NLP), med fokus på bruken av pronomen som "jeg" og "vi" og ikke-flytende markører som "um" og "som".
Måten terapeuter og pasienter brukte personlige pronomen på, så ut til å påvirke alliansen.
Studien viste for eksempel at når terapeuter ofte brukte "vi", styrket det ikke alltid alliansen slik man kunne forvente, særlig ikke i tilfeller som involverte personlighetsforstyrrelser. Dette strider mot den vanlige antakelsen om at inkluderende språk automatisk styrker alliansen.
I tillegg var begge parters overdrevne fokus på "jeg" knyttet til lavere alliansevurderinger, noe som antyder de potensielle fallgruvene ved for mye selvfokus i terapitimene.
Forfatterne skrev: "Vårt primære funn var at hyppigere bruk av førstepersonspronomen hos både terapeuter og pasienter ("vi", "jeg gjør", "jeg tror", "når jeg") kjennetegnet sesjoner med lavere alliansevurderinger."
Et uventet funn var at nøling, som ofte blir sett på som en negativ markør for en samtale, var forbundet med høyere alliansevurderinger, noe som tyder på at pauser kan fremme autentisitet og engasjement.
Tidligere forskning har vist at pauser er en viktig del av en genuint gjennomtenkt samtale.
Forskerne sier det slik "Vi fant at høyere grad av ikke-flyt hos pasientene (f.eks. "er som", "umm"), men ikke hos terapeutene, kjennetegnet sesjoner med høyere alliansevurderinger fra pasientenes side."
Forskerne advarte også om at studiens omfang og observasjonskarakter betyr at disse sammenhengene ikke er helt pålitelige.
AI har blitt brukt til taleanalyse i medisinske sammenhenger, for eksempel da forskere fra UCL og University of Oxford utviklet en modell for å oppdage potensiell schizofreni fra talemønstre.
