Onderzoekers van Cedars-Sinai ontwikkelden een virtual reality (VR) AI-hulpmiddel voor geestelijke gezondheidszorg genaamd de eXtended-reality Artificial Intelligence Assistant (XAIA).
De onderzoek van onderzoekers van Cedars-Sinai, onder leiding van Brennan M. R. Spiegel, en gepubliceerd in Nature's npj Digitale Geneeskundegebruikt AI, spatial computing en VR om gebruikers onder te dompelen in kalmerende, op de natuur geïnspireerde omgevingen waar ze therapeutische gesprekken voeren met een AI-avatar.
Het systeem gebruikte GPT-4 om immersieve therapiesessies aan te bieden aan 14 personen met lichte tot matige angst of depressie. XAIA is toegankelijk via de Apple Vision Pro VR-headset.
Hoofdonderzoeker Brennan Spiegel, MD, MSHSschreef hij in een blog van Cedars-Sinai: "Apple Vision Pro biedt toegang tot Xaia's wereld van meeslepende, interactieve ondersteuning op het gebied van gedragsgerelateerde gezondheid en maakt daarbij stappen die ik alleen maar kan omschrijven als een enorme sprong voorwaarts ten opzichte van eerdere technologieën."
Hij vervolgt: "Met Xaia en het verbluffende beeldscherm in Apple Vision Pro kunnen we elke pixel van die opmerkelijke resolutie en het volledige spectrum aan levendige kleuren benutten om een vorm van meeslepende therapie te maken die boeiend en heel persoonlijk is."
Om de AI te trainen, verwerkten Spiegel en zijn team transcripties van cognitieve gedragstherapie-sessies uitgevoerd door ervaren therapeuten, waarbij de nadruk lag op empathie, validatie en effectieve communicatie.
De antwoorden van de AI werden verder verfijnd door iteratieve tests, waarbij therapeuten verschillende klinische scenario's in rollenspellen speelden. Dit leidde tot voortdurende verbetering van de psychotherapeutische communicatie van het systeem.
Deelnemers bespraken verschillende onderwerpen met de AI, waardoor onderzoekers de toepassing van psychotherapeutische technieken door de AI konden documenteren. Over het algemeen werd XAIA opgemerkt vanwege haar vermogen om empathie, medeleven en validatie uit te drukken, waardoor de therapeutische ervaring werd verbeterd.
De empathische reactie van XAIA op de ervaring van een deelnemer die zich buitengesloten voelde, was bijvoorbeeld: "Het spijt me te horen dat je je op zo'n definitieve manier afgewezen voelde, vooral toen je bezig was met wat belangrijk voor je is. Dat moet een moeilijke ervaring zijn geweest."
Onderzoekers voerden een kwalitatieve thematische analyse uit van de feedback van deelnemers, waaruit bleek dat er algemene waardering was voor de niet-oordelende aard van de AI en de kwaliteit van de VR-omgevingen.
Sommigen zeiden dat XAIA een waardevol alternatief zou kunnen zijn voor traditionele therapie, vooral voor mensen die anonimiteit zoeken of terughoudend zijn met persoonlijke sessies.
Anderen benadrukten het belang van menselijke interactie en de unieke voordelen van contact met een menselijke therapeut.
Het onderzoek identificeerde ook gebieden die voor verbetering vatbaar zijn, zoals de neiging van de AI om deelnemers te veel vragen te stellen of emotionele reacties op belangrijke gebeurtenissen in het leven onvoldoende te onderzoeken.
Brennan Spiegel ging dieper in op de missie van de tool en verduidelijkte: "Hoewel deze technologie niet bedoeld is om psychologen te vervangen - maar eerder om ze te versterken - hebben we XAIA ontwikkeld met het oog op toegankelijkheid, om ervoor te zorgen dat de technologie zinvolle ondersteuning kan bieden op het gebied van geestelijke gezondheid in verschillende gemeenschappen".
Het lijkt een interessant startpunt voor een diepgaander onderzoek naar immersieve therapieomgevingen, waar sommigen zeker baat bij zouden kunnen hebben die geen toegang hebben tot persoonlijke therapie of die privé en anoniem willen blijven in hun discussies.
AI voor het analyseren van therapiegesprekken
AI is niet alleen gebruikt om als therapeut op te treden, maar ook om de dynamiek van echte therapiegesprekken te analyseren.
In een onderzoek uit 2023 gebruikten onderzoekers AI om de lagen van psychotherapiesessies af te schillen, waarbij ze onthulden hoe bepaalde spraakpatronen wel eens de sleutel zouden kunnen zijn tot het begrijpen van de band tussen therapeuten en hun patiënten.
De drijfveer achter dit onderzoek komt voort uit een lang bestaand dilemma in psychotherapie: hoe kunnen we de therapeutische alliantie nauwkeurig meten en verbeteren?
Gepubliceerd in de tijdschrift iScienceHet onderzoek toonde aan hoe persoonlijke voornaamwoorden en aarzelingen de diepte van de band tussen therapeut en patiënt aangeven.
Deze term verwijst naar de essentiële relatie tussen therapeuten en hun patiënten, een basis die cruciaal is voor effectieve therapie.
Traditioneel is het begrijpen van deze relatie een subjectieve aangelegenheid geweest, vertrouwend op persoonlijke verslagen en observaties van derden, die, hoewel ze waardevol zijn, de vloeiende dynamiek van echte therapiesessies kunnen missen.
Onderzoekers van de Icahn School of Medicine van Mount Sinai zagen een kans om machine learning in te zetten om te verduidelijken waardoor therapeutische communicatie werkt.
Het onderzoek vond plaats in klinieken in New York City, waarbij 28 patiënten en 18 therapeuten betrokken waren die verschillende therapiesessies volgden. Voordat de sessies begonnen, dachten de patiënten na over hun vroegere therapeutische relaties en hechtingsstijlen door middel van online enquêtes.
Onderzoekers gebruikten machine learning om de transcripties van de sessies te analyseren met behulp van natuurlijke taalverwerking (NLP), waarbij ze zich concentreerden op het gebruik van voornaamwoorden zoals "ik" en "wij" en niet-vloeiendheidsmarkeringen zoals "um" en "zoals".
De manier waarop therapeuten en patiënten persoonlijke voornaamwoorden gebruikten leek de alliantie te beïnvloeden.
Uit het onderzoek bleek bijvoorbeeld dat wanneer therapeuten vaak "wij" gebruikten, dit niet altijd de alliantie versterkte zoals je zou verwachten, vooral bij persoonlijkheidsstoornissen. Dit is in tegenspraak met de gebruikelijke veronderstelling dat inclusieve taal automatisch de banden versterkt.
Bovendien was het overmatig vertrouwen van beide partijen in "ik" gekoppeld aan lagere alliantiebeoordelingen, wat wijst op de mogelijke valkuilen van te veel zelfgerichtheid in therapiesessies.
De auteurs schreven: "Onze belangrijkste bevinding was dat het vaker gebruiken van voornaamwoorden door zowel therapeuten als patiënten ("wij", "ik doe", "ik denk", "als ik") kenmerkend was voor sessies met een lagere alliantiebeoordeling."
Een onverwachte bevinding was dat aarzelingen, die vaak worden gezien als een negatief kenmerk van conversatie, werden geassocieerd met hogere alliantie waarderingen, wat suggereert dat pauzeren authenticiteit en betrokkenheid kan bevorderen.
Eerder onderzoek heeft aangetoond dat pauzes een belangrijk onderdeel zijn van een echt doordacht gesprek.
In de woorden van de onderzoekers: "We ontdekten dat hogere niet-vloeiendheid bij patiënten (bijv. "is als", "umm"), maar niet bij therapeuten, kenmerkend was voor sessies met hogere alliantiebeoordelingen door patiënten."
De onderzoekers waarschuwden ook dat de omvang van het onderzoek en de observerende aard betekenen dat deze correlaties niet volledig betrouwbaar zijn.
AI is gebruikt voor spraakanalyse in medische omgevingen, zoals toen onderzoekers van UCL en de Universiteit van Oxford een model om potentiële schizofrenie op te sporen van spraakpatronen.
