論文の概要: Scaling Therapy Supervision: Assessing Psychotherapy Fidelity Using Large Language Models

• arxiv url: http://arxiv.org/abs/2610.28772v1
• Date: Tue, 20 Oct 2026 18:09:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.115865
• Title: Scaling Therapy Supervision: Assessing Psychotherapy Fidelity Using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた心理療法の忠実度評価
• Abstract要約: 本稿では,心理療法の忠実度評価を自動化する大規模言語モデル(LLM)の統合アプリケーションを提案する。 複数のタスクの分解構成と推論戦略にまたがる3つのオープンウェイトモデルを評価する。 我々は,独立したランダム化制御試験において,フレームワークの外部構成妥当性を確立する。
• 参考スコア（独自算出の注目度）: 9.217842903622332
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Psychotherapy fidelity assessment measures how faithfully a therapist adheres to a treatment protocol, a critical determinant of positive patient outcomes. However, fidelity assessment is bottlenecked by manual expert review, rendering the process labor-intensive and unscalable. To scale therapy supervision and support clinician self-learning, we present an integrated application of large language models (LLMs) that automates psychotherapy fidelity workflows and generates actionable supervisory feedback from authentic, long-form clinical transcripts. We evaluate three open-weight models across multiple task decomposition configurations and reasoning strategies, demonstrating that evidence-first reasoning improves fidelity estimation. Furthermore, we establish the framework's external construct validity on an independent randomized controlled trial (RCT), where it reliably distinguishes Cognitive Behavioral Therapy (CBT) from non-CBT sessions across core therapeutic skills. Through a user study that evaluates the generated feedback, mental health experts indicate that the pipeline synthesizes actionable clinical feedback. Ultimately, our work offers a practical, scalable solution toward bridging the community mental health supervision gap.
• Abstract（参考訳）: 心理療法の忠実度評価は、セラピストが治療プロトコルに忠実に準拠するかを測定する。 しかしながら、不確実性の評価は、手作業による専門家のレビューによってボトルネックになり、プロセスの労力が集中的であり、スケール不能になる。 臨床自己学習の大規模化と支援のために,心理療法の忠実度ワークフローを自動化する大規模言語モデル (LLMs) を統合的に適用し,真正かつ長期の臨床書面から実効性のある監督フィードバックを生成する。 複数タスクの分解構成と推論戦略にまたがる3つのオープンウェイトモデルを評価し,エビデンス優先推論が忠実度推定を改善することを示す。 さらに、独立したランダム化制御試験(RCT)において、フレームワークの外部構成妥当性を確立し、認知行動療法(CBT)とコアセラピースキルの非CBTセッションとを確実に区別する。 生成されたフィードバックを評価するユーザスタディを通じて、メンタルヘルスの専門家はパイプラインが実行可能な臨床フィードバックを合成することを示している。 最終的に私たちの仕事は、コミュニティのメンタルヘルス監視ギャップを埋めるための実践的でスケーラブルなソリューションを提供します。

関連論文リスト

• MyMentorLLM: A psychotherapy GenAI environment with multimodal voice/text patients, trainees and experts for deliberate practice [41.99844472131922]
  MyMentorLLMは、意図的に練習するための音声およびテキストベースのシミュレーション環境である。 2,100の完全な認知行動療法(CBT)のトレーニングセッションを生成する。 シミュレートされた患者は、障害を伴う感情的プロファイルを表現した。 監督者のフィードバックは、シミュレートされた精神療法士のより良い診断に繋がった。
  論文  参考訳（メタデータ） (2026-07-28T12:50:11Z)
• Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars [0.45671221781968324]
  アクセプタンス・アンド・コミット・セラピー(ACT)における精神療法士の訓練には、有意義なフィードバックを伴う反復的な実践が必要である。 仮想患者と音声対話によるACT指向精神療法訓練を支援するシステムを提案する。
  論文  参考訳（メタデータ） (2026-06-16T11:02:00Z)
• A Multi-Agent LLM Framework for Rating the Quality of Surgical Feedback [52.053200111780626]
  手術室の外科医が行う言語的フィードバックは、居住スキル獲得において重要な形式的役割を担っている。 本稿では,手術訓練の文脈に根ざした,解釈可能なフィードバック品質基準を発見するための2段階のLCMベースのフレームワークを提案する。 本手法では,多エージェントおよび外科領域の知識注入を用いて,人間の解釈可能な評価基準の小さなセットを探索する。
  論文  参考訳（メタデータ） (2026-05-25T05:31:44Z)
• Virtual Speech Therapist: A Clinician-in-the-Loop AI Speech Therapy Agent for Personalized and Supervised Therapy [8.877732578001098]
  本稿では、知的エージェントベースのプラットフォームであるVirtual Speech Therapist(VST)を開発した。 VSTは、最先端のディープラーニングベースのスタブリング分類と、エビデンスベースの臨床意思決定を支援するための多エージェント大規模言語モデル(LLM)を統合している。
  論文  参考訳（メタデータ） (2026-05-01T21:14:45Z)
• LLM-as-a-Supervisor: Mistaken Therapeutic Behaviors Trigger Targeted Supervisory Feedback [27.944400312023404]
  大規模言語モデル(LLM)は精神療法において大きな可能性を秘めているが、患者が直面するシナリオへの直接的な適用は倫理的および安全上の懸念を引き起こす。 この研究は、実際のセラピストを訓練するスーパーバイザーとしてLLMの開発へと移行する。
  論文  参考訳（メタデータ） (2025-08-12T16:03:36Z)
• Ψ-Arena: Interactive Assessment and Optimization of LLM-based Psychological Counselors with Tripartite Feedback [51.26493826461026]
  大規模言語モデル(LLM)の総合的評価と最適化のための対話型フレームワークであるPsi-Arenaを提案する。 アリーナは、心理学的にプロファイルされたNPCクライアントとの多段階対話を通じて現実世界のカウンセリングをシミュレートする現実的なアリーナ相互作用を特徴としている。 8つの最先端のLLM実験は、異なる実世界のシナリオと評価の観点で大きなパフォーマンス変化を示す。
  論文  参考訳（メタデータ） (2025-05-06T08:22:51Z)
• 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)
• Multi-Session Client-Centered Treatment Outcome Evaluation in Psychotherapy [9.299504332783325]
  IPAEvalは、クライアントインフォームド心理学的評価に基づく評価フレームワークである。 臨床面接による治療結果の評価をクライアントの視点から自動化する。 IPAEvalは、複数のセッションにおける症状の重症度と治療結果を効果的に追跡し、以前のシングルセッションモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-08T08:54:38Z)
• 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)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。