精神療法は人間の認知における根本的な制約、すなわち疲労、注意力の限界、確証バイアス、および即時の治療プロセスと長期的な言語パターンを同時に追跡することの不可能性により制約されています。本論文は、セッション後の臨床支援ツールとして大規模言語モデル（LLM）を用い、治療の書き起こしを分析して構造化された確率的仮説レベルの洞察を治療医に返すPost-Session Linguistic Augmentation（PSLA）モデルという理論的枠組みを提案します。重要なのは、この枠組みがLLMを診断や治療の主体としてではなく、人間を含む仕組みの中で動作する知覚増幅器として位置づけている点です。Haberら（2024）が提唱する治療におけるAIの存在を「人工の第三者」とする概念を踏まえ、精神療法におけるAIのリスクは本質的なものよりも構築的なものであり、セッション後で臨床医のみが操作する構成により、LLMによる言語分析の知覚的利点を活用しつつ治療的な二者関係を構造的に保つことができると論じます。本論文は、5領域からなる臨床支援報告書の機能構造を詳細に示し、3段階の検証枠組みを提案し、幻覚や誤検出リスクを扱う不確実性管理アーキテクチャを示し、同意取得、データ主権、バイアスに関する倫理的要件を概説します。制限事項、禁忌事項、および提案される研究課題についても議論します。
デイビッド・サットン（火曜）はこの問題を研究しました。