論文の概要: Using Large Language Models to Create Personalized Networks From Therapy Sessions

• arxiv url: http://arxiv.org/abs/2512.05836v1
• Date: Fri, 05 Dec 2025 16:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:57.094109
• Title: Using Large Language Models to Create Personalized Networks From Therapy Sessions
• Title（参考訳）: 大規模言語モデルを用いたセラピーセッションからパーソナライズされたネットワークの構築
• Authors: Clarissa W. Ong, Hiba Arnaout, Kate Sheehan, Estella Fox, Eugen Owtscharow, Iryna Gurevych,
• Abstract要約: 77のセラピー書き起こしからクライアントネットワークを自動的に生成するエンドツーエンドパイプラインを提案する。 心理学的プロセスとその次元を協調的に識別するために、文脈内学習を適用した。 専門家は、我々のマルチステップアプローチによって生成されたネットワークは、直接のプロンプトで構築されたネットワークよりも優れていたことに気付いた。
• 参考スコア（独自算出の注目度）: 37.49333022472426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in psychotherapy have focused on treatment personalization, such as by selecting treatment modules based on personalized networks. However, estimating personalized networks typically requires intensive longitudinal data, which is not always feasible. A solution to facilitate scalability of network-driven treatment personalization is leveraging LLMs. In this study, we present an end-to-end pipeline for automatically generating client networks from 77 therapy transcripts to support case conceptualization and treatment planning. We annotated 3364 psychological processes and their corresponding dimensions in therapy transcripts. Using these data, we applied in-context learning to jointly identify psychological processes and their dimensions. The method achieved high performance even with a few training examples. To organize the processes into networks, we introduced a two-step method that grouped them into clinically meaningful clusters. We then generated explanation-augmented relationships between clusters. Experts found that networks produced by our multi-step approach outperformed those built with direct prompting for clinical utility and interpretability, with up to 90% preferring our approach. In addition, the networks were rated favorably by experts, with scores for clinical relevance, novelty, and usefulness ranging from 72-75%. Our findings provide a proof of concept for using LLMs to create clinically relevant networks from therapy transcripts. Advantages of our approach include bottom-up case conceptualization from client utterances in therapy sessions and identification of latent themes. Networks generated from our pipeline may be used in clinical settings and supervision and training. Future research should examine whether these networks improve treatment outcomes relative to other methods of treatment personalization, including statistically estimated networks.
• Abstract（参考訳）: 近年の心理療法の進歩は、パーソナライズされたネットワークに基づく治療モジュールの選択など、治療のパーソナライズに焦点を当てている。 しかし、パーソナライズされたネットワークを推定するには、通常、集中的な縦データが必要である。 ネットワーク駆動処理のパーソナライゼーションのスケーラビリティを促進するソリューションとして,LLMを利用する方法がある。 本研究では,77のセラピー書き起こしからクライアントネットワークを自動的に生成し,ケース概念化と治療計画を支援するエンド・ツー・エンドのパイプラインを提案する。 3364の心理学的過程とそれに対応する次元を治療写本に記入した。 これらのデータを用いて、心理学的プロセスとその次元を共同で識別するために、文脈内学習を適用した。 この手法は、いくつかの訓練例でも高い性能を実現した。 これらのプロセスをネットワークに整理するために,臨床的に意味のあるクラスタにグループ化する2段階の手法を導入した。 そして、クラスタ間の説明強化された関係を生成しました。 専門家は、我々の多段階アプローチによって生み出されたネットワークは、臨床ユーティリティと解釈可能性の直接的プロンプトで構築されたネットワークよりも優れており、最大90%が我々のアプローチを好んでいることに気付いた。 さらに、ネットワークは専門家によって好意的に評価され、臨床関連性、新規性、有用性は72-75%であった。 本研究は, LLMを用いて治療転写産物から臨床関連ネットワークを構築するための概念実証である。 提案手法の利点は、治療セッションにおけるクライアント発話からのボトムアップケース概念化と潜在テーマの同定である。 パイプラインから生成されたネットワークは、臨床設定や監督、トレーニングに使用することができる。 今後,これらのネットワークが,統計的に推定されたネットワークを含む,他の治療的パーソナライズ方法と比較して,治療効果を改善するかどうかを検討する必要がある。

関連論文リスト

• Learning to Route: Per-Sample Adaptive Routing for Multimodal Multitask Prediction [4.171905792428217]
  本稿では,モジュールごとのモダリティ処理経路とタスク共有戦略を動的に選択するルーティングベースのアーキテクチャを提案する。 本モデルは,テキストの生および融合表現や数値的特徴を含む複数のモーダルパスを定義する。 本研究は, うつ病および不安症状を予測し, 合成データと実世界心理療法の双方でモデルを評価する。
  論文  参考訳（メタデータ） (2025-09-06T16:49:45Z)
• Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling [50.83055329849865]
  PsyLLMは、メンタルヘルスカウンセリングの診断と治療的推論を統合するために設計された大きな言語モデルである。 Redditから現実世界のメンタルヘルス投稿を処理し、マルチターン対話構造を生成する。 実験の結果,PsyLLMは最先端のベースラインモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-21T16:24:49Z)
• Prompt-based Personalized Federated Learning for Medical Visual Question Answering [56.002377299811656]
  本稿では,データの不均一性とプライバシの懸念に対処するための,新しいプロンプトベースのパーソナライズド・フェデレーション・ラーニング(pFL)手法を提案する。 我々は、異なる臓器からの医療データセットをクライアントとみなし、各クライアントに対してパーソナライズされたトランスフォーマーベースのVQAモデルをトレーニングするためにpFLを使用する。
  論文  参考訳（メタデータ） (2024-02-15T03:09:54Z)
• Ensembling Neural Networks for Improved Prediction and Privacy in Early Diagnosis of Sepsis [13.121103500410156]
  ニューラルネットワークを組み立てることは、ニューラルネットワークの一般化エラーを改善する技術である。 この手法は医療データに対する機械学習に最適であることを示す。 より大規模なデータセットでトレーニングされた単一のモデルよりも優れた、いくつかの選択された患者固有のモデルのアンサンブルを構築することができることを示す。
  論文  参考訳（メタデータ） (2022-09-01T13:24:14Z)
• Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
  インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。 本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。 提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
  論文  参考訳（メタデータ） (2022-01-11T13:55:57Z)
• Integrating Neural Networks and Dictionary Learning for Multidimensional Clinical Characterizations from Functional Connectomics Data [3.276067241408604]
  本稿では、ニューラルネットワークと辞書学習を組み合わせた統合フレームワークを提案し、静止状態機能MRIと行動データの間の複雑な相互作用をモデル化する。 自閉症スペクトラム障害(ASD)52例を用いたマルチスコア予測課題における組み合わせモデルの評価を行った。 統合されたフレームワークは,3種類の臨床重症度を予測するために,10倍のクロス・コンフィグレーション・セッティングにおいて最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-07-03T20:14:45Z)
• Continual Learning in Recurrent Neural Networks [67.05499844830231]
  リカレントニューラルネットワーク(RNN)を用いた逐次データ処理における連続学習手法の有効性を評価する。 RNNに弾性重み強化などの重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重み-重 そこで本研究では,重み付け手法の性能が処理シーケンスの長さに直接的な影響を受けず,むしろ高動作メモリ要求の影響を受けていることを示す。
  論文  参考訳（メタデータ） (2020-06-22T10:05:12Z)
• Subset Sampling For Progressive Neural Network Learning [106.12874293597754]
  プログレッシブニューラルネットワーク学習は、ネットワークのトポロジを漸進的に構築し、トレーニングデータに基づいてパラメータを最適化するアルゴリズムのクラスである。 段階的なトレーニングステップ毎にトレーニングデータのサブセットを活用することで,このプロセスの高速化を提案する。 オブジェクト,シーン,顔の認識における実験結果から,提案手法が最適化手順を大幅に高速化することを示す。
  論文  参考訳（メタデータ） (2020-02-17T18:57:33Z)

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。