2023 Fiscal Year Final Research Report

Development of an AI-Based Natural Language Processing System to Support Psychotherapy

Planned Research

PDF

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	Takebayashi Yoshitake 福島県立医科大学, 医学部, 講師 (00747537)
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
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
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.
Free Research Field	臨床心理学
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。