| Project Area | Ultra-High-Definition Mental Health Care by Digital-Human Integration: New Strategy for utilizing Multi-Modal, Big, and Precision Data |
|---|
| Project/Area Number |
21H05066
|
|---|
| Research Category |
Grant-in-Aid for Transformative Research Areas (B)
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
Transformative Research Areas, Section (I)
|
|---|
| Research Institution | Fukushima Medical University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中島 俊 国立研究開発法人国立精神・神経医療研究センター, 認知行動療法センター, 研究生 (10617971)
重藤 優太郎 千葉工業大学, 人工知能・ソフトウェア技術研究センター, 主任研究員 (50803392)
青木 俊太郎 福島県立医科大学, 医学部, 助教 (60786416)
横谷 謙次 徳島大学, 大学院社会産業理工学研究部(社会総合科学域), 准教授 (40611611)
二瓶 正登 鹿児島純心大学, 人間教育学部, 講師 (40789749)
|
|---|
| Project Period (FY) |
2021-08-23 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥27,300,000 (Direct Cost: ¥21,000,000、Indirect Cost: ¥6,300,000)
Fiscal Year 2023: ¥9,100,000 (Direct Cost: ¥7,000,000、Indirect Cost: ¥2,100,000)
Fiscal Year 2022: ¥9,100,000 (Direct Cost: ¥7,000,000、Indirect Cost: ¥2,100,000)
Fiscal Year 2021: ¥9,100,000 (Direct Cost: ¥7,000,000、Indirect Cost: ¥2,100,000)
|
|---|
| Keywords | 自然言語処理 / 心理療法 / 医療コミュニケーション / 人工知能 / GPT / BERT / 深層学習 / プロセス研究 / 共感 / 認知行動療法 / コミュニケーション / 機械学習 / natural language / deep learning / psychotherapy / process study / 対話分析 / テキストマイニング |
|---|
| Outline of Research at the Start |
本研究は、厳格な臨床試験によって系統的に集積された高品質の心理療法の言語データを対象として、最先端の自然言語解析を用いて、心理療法における対話パターンやホームワークへの記入パターンから臨床的な転帰と関連する言語的な特徴量を抽出する。具体的には、心理療法セッションの録音データから作成される逐語録やホームワークに記入された文字記録に対して種々の自然言語処理および深層学習を適用し、1)発話の定量的なスコア リング、2)患者や治療者の発話クラスタリング、3)治療プロトコル逸脱の自動判定等を行う ことのできるアルゴリズムを開発し、種々の臨床的な転帰等との関連を検証する。
|
| Outline of Final Research Achievements |
In this study, we applied state-of-the-art natural language processing models to language data from psychotherapy and medical interviews. First, we used an extended BERT model to predict therapist adherence to treatment protocols, demonstrating a certain level of predictive performance. Similarly, the BERT model with a treatment manual dictionary yielded comparable results. For empathy prediction in medical interviews using GPT-4, we found limitations when relying solely on linguistic features. Using the SentenceBERT model, we extracted depression-related thought patterns from psychotherapy worksheets, showing a correlation with clinical outcome improvements. Finally, we developed a psychotherapy novel game using GPT-4 and demonstrated its effectiveness in improving emotional expression scores through a randomized controlled trial.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では、発展が目覚ましい自然言語処理のAIモデルを心理療法領域に適用し、臨床のアウトカムやプロセスを予測する種々のモデルを開発し、一定の性能を示した。心理療法領域におけるAIベースの自然言語処理の適用は世界的にも萌芽的な段階にあり、多様なアプローチ方法をデータの特徴に応じて適用し、その活用法を示した本研究は、当該領域の発展に大きく寄与する学術的意義の高い成果である。また、本研究の成果は、予測性能をさらに高めることで臨床的に実用性の高いモデルになる可能性を持つ。今後の進展によって臨床に還元されうる本研究の知見は、社会的意義も高い。
|
