論文の概要: A Generic Review of Integrating Artificial Intelligence in Cognitive Behavioral Therapy
- arxiv url: http://arxiv.org/abs/2407.19422v1
- Date: Sun, 28 Jul 2024 08:09:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 18:12:26.213563
- Title: A Generic Review of Integrating Artificial Intelligence in Cognitive Behavioral Therapy
- Title（参考訳）: 認知行動療法における人工知能の統合に関する総説
- Authors: Meng Jiang, Qing Zhao, Jianqiang Li, Fan Wang, Tianyu He, Xinyan Cheng, Bing Xiang Yang, Grace W. K. Ho, Guanghui Fu,
- Abstract要約: 我々は、認知行動療法の介入にAIを統合することについての文献をレビューする。
我々は、CBTにAIを適用する際の利点と現在の制限について論じる。
CBTの実践を変革するAIの変革的ポテンシャルは、よりアクセスしやすく、効率的でパーソナライズされたメンタルヘルス介入の新しい時代を告げるものだ。
- 参考スコア（独自算出の注目度）: 27.348132451928535
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cognitive Behavioral Therapy (CBT) is a well-established intervention for mitigating psychological issues by modifying maladaptive cognitive and behavioral patterns. However, delivery of CBT is often constrained by resource limitations and barriers to access. Advancements in artificial intelligence (AI) have provided technical support for the digital transformation of CBT. Particularly, the emergence of pre-training models (PTMs) and large language models (LLMs) holds immense potential to support, augment, optimize and automate CBT delivery. This paper reviews the literature on integrating AI into CBT interventions. We begin with an overview of CBT. Then, we introduce the integration of AI into CBT across various stages: pre-treatment, therapeutic process, and post-treatment. Next, we summarized the datasets relevant to some CBT-related tasks. Finally, we discuss the benefits and current limitations of applying AI to CBT. We suggest key areas for future research, highlighting the need for further exploration and validation of the long-term efficacy and clinical utility of AI-enhanced CBT. The transformative potential of AI in reshaping the practice of CBT heralds a new era of more accessible, efficient, and personalized mental health interventions.
- Abstract（参考訳）: 認知行動療法 (Cognitive Behavioral Therapy, CBT) は、不適応な認知と行動パターンを変更することで心理的問題を緩和するための確立された介入である。
しかし、CBTの配信はリソースの制限やアクセスの障壁によって制限されることが多い。
人工知能(AI)の進歩は、CBTのデジタルトランスフォーメーションを技術的に支援している。
特に、事前学習モデル(PTM)と大規模言語モデル(LLM)の出現は、CBTデリバリをサポートし、拡張し、最適化し、自動化する大きな可能性を秘めている。
本稿では,AIのCBT介入への統合に関する文献をレビューする。
まずはCBTの概要から始める。
次に,前処理,治療プロセス,後処理など,さまざまな段階にわたるCBTへのAIの統合について紹介する。
次に、いくつかのCBT関連タスクに関連するデータセットを要約した。
最後に、CBTにAIを適用する際のメリットと現在の制限について論じる。
我々は、AI強化CBTの長期的な有効性と臨床的有用性について、さらなる調査と検証の必要性を強調し、今後の研究の鍵となる分野を提案する。
CBTの実践を変革するAIの変革的ポテンシャルは、よりアクセスしやすく、効率的でパーソナライズされたメンタルヘルス介入の新しい時代を告げるものだ。
関連論文リスト
- 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) - Toward Large Language Models as a Therapeutic Tool: Comparing Prompting Techniques to Improve GPT-Delivered Problem-Solving Therapy [6.952909762512736]
そこで本研究では,大規模言語モデル (LLM) を指導するためのプロンプトエンジニアリングの効果について検討する。
本稿では,プロンプトエンジニアリング手法を適切に利用することにより,プロトタイズされた治療を提供するモデルの能力を向上できることを実証する。
論文 参考訳（メタデータ） (2024-08-27T17:25:16Z) - Are Large Language Models Possible to Conduct Cognitive Behavioral Therapy? [13.0263170692984]
大規模言語モデル(LLM)が検証され、心理的補助療法の新たな可能性を提供する。
精神保健の専門家は、LSMを治療に使用することについて多くの懸念を抱いている。
自然言語処理性能に優れた4つのLLM変種を評価した。
論文 参考訳（メタデータ） (2024-07-25T03:01:47Z) - 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) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳（メタデータ） (2022-09-14T15:33:30Z) - Understanding the Information Needs and Practices of Human Supporters of
an Online Mental Health Intervention to Inform Machine Learning Applications [6.5893732458797185]
この研究は、AIと機械学習(ML)の分野における最近の進歩を通じて得られる新たな機会が、iCBTサポーターの作業プラクティスを効果的に支援するための有用なデータ洞察にどのように貢献するかを調査する。
本報告では、既存の作業実践や情報ニーズの理解を深める15人のiCBTサポーターとのインタビュー研究の成果を詳述する。
本分析は,(1)iCBT支援者がメンタルヘルスクライアントに対して効果的かつパーソナライズされたフィードバックを提供する際に直面する戦略と課題をまとめた6つのテーマ,(2)MLの手法が特定の課題や情報ニーズをいかに支援し,対処するかを示す具体的機会について提示する。
論文 参考訳（メタデータ） (2021-11-12T11:43:31Z) - Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy:
Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。
これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。
我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
論文 参考訳（メタデータ） (2021-06-15T22:06:39Z) - Review of Machine Learning Algorithms for Brain Stroke Diagnosis and
Prognosis by EEG Analysis [50.591267188664666]
ストローク(Strokes)は、アメリカ合衆国の成人障害の主要な原因である。
脳-コンピュータインタフェース(Brain-Computer Interfaces、BCI)は、患者の神経経路の回復または電子補綴器との効果的なコミュニケーションを支援する。
さまざまな機械学習技術とアルゴリズムをBCI技術と組み合わせることで、脳卒中治療にBCIを使うことは、有望で急速に拡大する分野であることを示している。
論文 参考訳（メタデータ） (2020-08-06T19:50:29Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文 参考訳（メタデータ） (2020-01-28T10:36:26Z)
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。