Forskare från Cedars-Sinai har utvecklat ett AI-stödverktyg för psykisk hälsa i virtual reality (VR) som kallas eXtended-reality Artificial Intelligence Assistant (XAIA).
Den studie från forskare från Cedars-Sinai, under ledning av Brennan M. R. Spiegel, och publicerades i Nature's npj Digital medicinanvände AI, spatial computing och VR för att låta användarna fördjupa sig i lugnande, naturinspirerade miljöer där de kan delta i terapeutiska samtal med en AI-avatar.
Systemet använde GPT-4 för att erbjuda uppslukande terapisessioner till 14 personer med mild till måttlig ångest eller depression. XAIA kan nås med Apple Vision Pro VR-headset.
Huvudforskare Brennan Spiegel, MD, MSHSskrev han i en blogg på Cedars-Sinai: "Apple Vision Pro erbjuder en inkörsport till Xaias värld av uppslukande, interaktivt stöd för beteendehälsa - en utveckling som jag bara kan beskriva som ett kvantsprång jämfört med tidigare teknik."
Han fortsatte: "Med Xaia och den fantastiska skärmen i Apple Vision Pro kan vi utnyttja varje pixel i den enastående upplösningen och hela spektrumet av levande färger för att skapa en form av uppslukande terapi som är engagerande och djupt personlig."
För att träna AI:n använde Spiegel och hans team transkriptioner från sessioner med kognitiv beteendeterapi (KBT) som genomförts av erfarna terapeuter, med fokus på empati, validering och effektiv kommunikation.
AI:ns svar förfinades ytterligare genom iterativ testning, där terapeuter spelade olika kliniska scenarier i rollspel. Detta ledde till en kontinuerlig förbättring av systemets psykoterapeutiska kommunikation.
Deltagarna diskuterade olika ämnen med AI:n, vilket gjorde det möjligt för forskarna att dokumentera AI:ns tillämpning av psykoterapeutiska tekniker. I stort sett noterades XAIA för sin förmåga att uttrycka empati, sympati och validering, vilket förbättrade den terapeutiska upplevelsen.
XAIA:s empatiska svar på en deltagares upplevelse av att känna sig utanför var till exempel: "Jag är ledsen att höra att du kände dig avvisad på ett så definitivt sätt, särskilt när du strävade efter det som är viktigt för dig. Det måste ha varit en tuff upplevelse."
Forskarna genomförde en kvalitativ tematisk analys av deltagarnas feedback, som visade att de generellt uppskattade AI:ns icke-dömande karaktär och kvaliteten på VR-miljöerna.
Vissa menar att XAIA kan vara ett värdefullt alternativ till traditionell terapi, särskilt för dem som vill vara anonyma eller som inte vill delta i personliga möten.
Andra lyfte fram vikten av mänsklig interaktion och de unika fördelarna med att få kontakt med en mänsklig terapeut.
Studien identifierade också förbättringsområden, till exempel AI:s tendens att ställa för många frågor till deltagarna eller att inte tillräckligt utforska känslomässiga reaktioner på viktiga händelser i livet.
Brennan Spiegel utvecklade verktygets uppdrag och klargjorde: "Även om denna teknik inte är avsedd att ersätta psykologer - utan snarare förstärka dem - skapade vi XAIA med tillgång i åtanke, vilket säkerställer att tekniken kan ge meningsfullt stöd för mental hälsa i hela samhällen."
Det verkar som en intressant utgångspunkt för en djupare utforskning av uppslukande terapimiljöer, som säkert skulle kunna gynna vissa som inte kan få tillgång till personlig terapi eller vill vara privata och anonyma i sina diskussioner.
AI för analys av terapisamtal
Förutom att agera som terapeut har AI använts för att analysera dynamiken i verkliga terapisamtal.
I en studie från 2023 använde forskare AI för att skala bort lager av psykoterapisessioner och avslöjade hur vissa talmönster kan vara nyckeln till att förstå bandet mellan terapeuter och deras patienter.
Drivkraften bakom denna forskning härrör från ett långvarigt dilemma inom psykoterapi: hur kan vi exakt mäta och förbättra den terapeutiska alliansen?
Publicerad i tidningen tidskriften iSciencevisade studien hur personliga pronomen och tveksamheter i talet signalerar djupet i relationen mellan terapeut och patient.
Denna term syftar på den viktiga relationen mellan terapeuter och deras patienter, en grund som är avgörande för effektiv terapi.
Traditionellt har förståelsen av detta förhållande varit subjektiv och förlitat sig på personliga berättelser och observationer från tredje part, som visserligen är värdefulla men som kan missa den flytande dynamiken i faktiska terapisessioner.
Forskare från Icahn School of Medicine vid Mount Sinai såg en möjlighet att använda maskininlärning för att klargöra vad som gör att terapeutisk kommunikation fungerar.
Studien ägde rum på kliniker i New York City och omfattade 28 patienter och 18 terapeuter som deltog i olika terapisessioner. Innan sessionerna startade reflekterade patienterna över sina tidigare terapeutiska relationer och anknytningsstilar genom online-enkäter.
Forskarna använde maskininlärning för att analysera sessionsutskrifter med hjälp av NLP (Natural Language Processing), med fokus på användningen av pronomen som "jag" och "vi" och icke-flytande markörer som "um" och "like".
Det sätt på vilket terapeuter och patienter använde personliga pronomen verkade påverka alliansen.
Studien visade t.ex. att när terapeuter ofta använde "vi" stärkte det inte alltid alliansen som man kunde förvänta sig, särskilt inte i fall som rörde personlighetsstörningar. Detta motsäger det vanliga antagandet att ett inkluderande språk automatiskt stärker kontakterna.
Dessutom var endera partens övertro på "jag" kopplad till lägre alliansbetyg, vilket antyder de potentiella fallgroparna med för mycket självfokus i terapisessioner.
Författarna skrev: "Vårt primära resultat var att mer frekvent användning av förstapersonspronomen hos både terapeuter och patienter ("vi", "jag gör", "jag tänker", "när jag") kännetecknade sessioner med lägre alliansbetyg."
Ett oväntat resultat var att tveksamheter, som ofta ses som en negativ markör för samtal, var förknippade med högre alliansbetyg, vilket tyder på att pauser kan främja äkthet och engagemang.
Tidigare forskning har visat att pauser är en viktig del av ett genuint genomtänkt samtal.
Forskarnas egna ord: "Vi fann att högre icke-flytande hos patienter (t.ex. "är som", "umm"), men inte hos terapeuter, kännetecknade sessioner med högre alliansvärderingar av patienter."
Forskarna varnade också för att studiens omfattning och observationskaraktär innebär att dessa korrelationer inte är helt tillförlitliga.
AI har använts för talanalys i medicinska sammanhang, till exempel när forskare från UCL och University of Oxford utvecklade en modell för att upptäcka potentiell schizofreni från talmönster.
