論文の概要: PATIENT-Ψ: Using Large Language Models to Simulate Patients for Training Mental Health Professionals
- arxiv url: http://arxiv.org/abs/2405.19660v1
- Date: Thu, 30 May 2024 03:20:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-31 18:16:37.148888
- Title: PATIENT-Ψ: Using Large Language Models to Simulate Patients for Training Mental Health Professionals
- Title(参考訳): 患者---大規模言語モデルを用いたメンタルヘルス専門家の育成
- Authors: Ruiyi Wang, Stephanie Milani, Jamie C. Chiu, Shaun M. Eack, Travis Labrum, Samuel M. Murphy, Nev Jones, Kate Hardy, Hong Shen, Fei Fang, Zhiyu Zoey Chen,
- Abstract要約: 多くのメンタルヘルス専門家は、トレーニングと現実世界の患者との相互作用の切り離しを強調している。
本稿では,認知行動療法(CBT)トレーニングのための新しい患者シミュレーションフレームワークであるPatent-Psiを提案する。
我々は,精神保健研修生が CBT の重要なスキルを身につけるための,対話型トレーニングスキームである patient-Psi-TRAINER を提案する。
- 参考スコア(独自算出の注目度): 23.490773277823376
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mental illness remains one of the most critical public health issues, with a significant gap between the available mental health support and patient needs. Many mental health professionals highlight a disconnect between their training and real-world patient interactions, leaving some trainees feeling unprepared and potentially affecting their early career success. In this paper, we propose PATIENT-{\Psi}, a novel patient simulation framework for cognitive behavior therapy (CBT) training. To build PATIENT-{\Psi}, we constructed diverse patient profiles and their corresponding cognitive models based on CBT principles, and then used large language models (LLMs) programmed with the patient cognitive models to act as a simulated therapy patient. We propose an interactive training scheme, PATIENT-{\Psi}-TRAINER, for mental health trainees to practice a key skill in CBT -- formulating the cognitive model of the patient -- through role-playing a therapy session with PATIENT-{\Psi}. To evaluate PATIENT-{\Psi}, we conducted a user study of 4 mental health trainees and 10 experts. The results demonstrate that practice using PATIENT-{\Psi}-TRAINER greatly enhances the perceived skill acquisition and confidence of the trainees beyond existing forms of training such as textbooks, videos, and role-play with non-patients. Based on the experts' perceptions, PATIENT-{\Psi} is perceived to be closer to real patient interactions than GPT-4, and PATIENT-{\Psi}-TRAINER holds strong promise to improve trainee competencies. Our pioneering patient simulation training framework, using LLMs, holds great potential to enhance and advance mental health training, ultimately leading to improved patient care and outcomes. We will release all our data, code, and the training platform.
- Abstract(参考訳): 精神病は、利用可能なメンタルヘルスサポートと患者のニーズとの間に大きなギャップがある、最も重要な公衆衛生問題の一つである。
多くのメンタルヘルス専門家は、トレーニングと実世界の患者との相互作用の断絶を強調しており、一部の研修生は準備が整っていないと感じ、初期のキャリアの成功に影響を及ぼす可能性がある。
本稿では,認知行動療法(CBT)トレーニングのための新しい患者シミュレーションフレームワークであるPatent-{\Psi}を提案する。
患者-{\Psi} を構築するために, CBT の原理に基づく多様な患者プロファイルとそれに対応する認知モデルを構築し, 患者認知モデルを用いた大規模言語モデル(LLM)を用いてシミュレートされた治療患者として機能させた。
精神保健研修生を対象に,患者-{\Psiとセラピーセッションのロールプレイングを通じて,CBT(認知モデル)の重要なスキルを実践するための対話型トレーニングスキーム「患者-{\Psi}-TRAINER」を提案する。
そこで我々は,4人の精神保健研修生と10人の専門家を対象に,患者-{\Psi} の評価を行った。
その結果,患者-{\Psi}-TRAINERの実践は,教科書やビデオ,非患者とのロールプレイといった既存の学習形態を超えて,学習者のスキル獲得と自信を高めることが示唆された。
専門家の認識から,患者-{\Psi} は GPT-4 よりも実際の患者間相互作用に近いと認識され,患者-{\Psi}-TRAINER は訓練能力の向上を強く約束している。
LLMを用いた先駆的な患者シミュレーショントレーニングフレームワークは、精神保健訓練の強化と進歩に大きな可能性を秘めており、最終的には患者のケアと成果の改善につながっている。
すべてのデータ、コード、トレーニングプラットフォームをリリースします。
関連論文リスト
- AutoCBT: An Autonomous Multi-agent Framework for Cognitive Behavioral Therapy in Psychological Counseling [57.054489290192535]
伝統的な個人の心理カウンセリングは主にニッチであり、心理学的な問題を持つ個人によって選択されることが多い。
オンラインの自動カウンセリングは、恥の感情によって助けを求めることをためらう人たちに潜在的な解決策を提供する。
論文 参考訳(メタデータ) (2025-01-16T09:57:12Z) - CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy [67.23830698947637]
認知行動療法(CBT)支援の体系的評価のための新しいベンチマークであるCBT-BENCHを提案する。
我々は, CBT-BENCHにおける3段階の課題を含む: I: 基本的CBT知識獲得, 複数選択質問のタスク; II: 認知的モデル理解, 認知的歪み分類, 主根的信念分類, きめ細かい中核信念分類のタスク; III: 治療的応答生成, CBTセラピーセッションにおける患者音声に対する応答生成のタスク。
実験結果から,LLMはCBT知識のリサイティングに優れるが,複雑な実世界のシナリオでは不十分であることが示唆された。
論文 参考訳(メタデータ) (2024-10-17T04:52:57Z) - MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。
プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。
MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文 参考訳(メタデータ) (2024-10-09T13:06:40Z) - Therapy as an NLP Task: Psychologists' Comparison of LLMs and Human Peers in CBT [6.812247730094931]
本研究は,大規模言語モデル(LLM)をエビデンスベースの治療の担い手として用いる可能性と限界について検討する。
認知行動療法(CBT)に根ざした公衆アクセス型メンタルヘルスの会話を再現し,セッションダイナミクスとカウンセラーのCBTに基づく行動の比較を行った。
その結果, ピアセッションは共感, 小話, セラピーアライアンス, 共有体験が特徴であるが, セラピストのドリフトがしばしば現れることがわかった。
論文 参考訳(メタデータ) (2024-09-03T19:19:13Z) - Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory [24.937025825501998]
我々は,認知行動療法(Cognitive Behavioral Therapy, CBT)の目標指向的, 構造化的アプローチを用いて, 実生活インタラクションをエミュレートする多ターン対話データセットを作成する。
我々は、実際のカウンセリングセッションの評価、専門家の評価との整合性の確保に使用される確立された心理学的基準をベンチマークする。
Cactusで訓練されたモデルであるCamelはカウンセリングスキルにおいて他のモデルよりも優れており、カウンセリングエージェントとしての有効性と可能性を強調している。
論文 参考訳(メタデータ) (2024-07-03T13:41:31Z) - CBT-LLM: A Chinese Large Language Model for Cognitive Behavioral Therapy-based Mental Health Question Answering [0.0]
本研究では,大規模言語モデルによる心理的支援の精度と有効性を高めるための新しいアプローチを提案する。
我々は認知行動療法(CBT)の原理に基づく特定のプロンプトを設計し、CBT QAデータセットを作成した。
CBT-LLMは認知行動療法に特化して設計された大規模言語モデルである。
論文 参考訳(メタデータ) (2024-03-24T04:34:34Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳(メタデータ) (2024-02-19T18:00:30Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳(メタデータ) (2023-10-11T02:47:21Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。