AI w służbie superwizji

Współczesna opieka psychologiczna zmaga się z poważnym problemem, jakim jest brak wystarczającej liczby doświadczonych superwizorów. Młodzi terapeuci często muszą czekać nawet trzy dni na konsultację trudnego przypadku, co w sytuacjach kryzysowych jest czasem zbyt długim. Zespół badaczy, w skład którego weszli Shreeya Sharma z Microsoft, Ravish Gupta z BigCommerce, Saket Kumar z University at Buffalo i Abhishek Aggarwal z Amazon, zaproponował rozwiązanie tego problemu przy użyciu sztucznej inteligencji.

Opracowany system działa jako wsparcie dla mentora, analizując sesje terapeutyczne w czasie rzeczywistym. Wykorzystuje on model Mistral-7B do badania trzech kluczowych obszarów: treści rozmowy, tonu głosu oraz mimiki twarzy. Pozwala to na wykrycie tak zwanej niespójności afektu, czyli sytuacji, gdy pacjent zapewnia o dobrym samopoczuciu, ale jego ciało wysyła sygnały świadczące o głębokim stresie. Dzięki temu czas oceny ryzyka skrócił się z 72 godzin do kilkunastu sekund.

Badanie oparte na zbiorze danych DAIC-WOZ wykazało 95% dokładności w rozpoznawaniu technik terapeutycznych. Co ważne, algorytm bierze pod uwagę staż pracy terapeuty. Jeśli mniej doświadczona osoba prowadzi trudną sesję, system automatycznie nadaje jej wyższy priorytet w kolejce do superwizji.

Należy jednak pamiętać o ograniczeniach. Testy objęły niewielką grupę sesji, a model koncentrował się głównie na nurcie poznawczo-behawioralnym. Istnieje ryzyko, że automatyzacja może prowadzić do nadmiernego zaufania technologii i osłabienia czujności ekspertów.

Choć wcześniejsze projekty, jak Woebot czy badania Thirunavukarasu, skupiały się na bezpośrednim kontakcie AI z pacjentem, to rozwiązanie jako jedno z pierwszych zajmuje się luką w nadzorze nad jakością samej terapii.

Źródło: Pedagogical AI in Mental Health: A Tri-Stream Fine-Tuned LLM Framework for Automated Clinical Supervision and Risk Triage (opens in a new tab)