目的 現在の伝統的心理療法に関連する課題は、その限られたアクセス性と時間的制約です。これらの制限を克服するために、本研究は精神療法のための人工知能（AI）搭載プラットフォームの方法論を提案することを目的としています。このプラットフォームは、抑うつ症状の評価、ジャーナリングサポート、リアルタイムの療法士推奨、および自動会話要約を提供します。設計/方法論/アプローチ プラットフォームは、患者のジャーナルからの感情の検出、抑うつを引き起こす感情のマルチラベル分類、抑うつの重症度のスコアリングのために、Bidirectional Encoder Representations from Transformersに基づく分類器を組み込んでいます。さらに、患者-療法士の会話の短い要約を生成するために、BidirectionalおよびAuto-Regressive Transformersに基づくトランスフォーマーモデルが使用されています。分類器モデルは、タグ付けされたトランスクリプトでファインチューニングされました。結果 モデルは感情分類で96％、感情分類で98％の精度を示し、高い精度、再現率、F1スコア、およびサポートを持っていました。また、Patient Interaction ModuleおよびSummary Generationのテキスト生成は、良好なRecall-Oriented Understudy for Gisting Evaluationスコアを持っています。感情分類と意味的類似性のアプローチは、抑うつの検出および感情の追跡におけるその潜在的な使用を示しました。そして、従來の回帰ベースの重症度測定への競争力を示しました。独自性/価値 AI手法を単一の療法ワークフローに統合することで、プラットフォームは療法士の効率を最大化し、増加する療法ニーズに対してケース負荷を軽減します。また、患者によるジャーナリングの追加は、療法士によって処方された対処メカニズムであり、その分析は頻繁に患者の回復に関する洞察を療法士に提供します。
Vijay Raj Kumar M（Mon、）がこの問題を研究しました。