[論文レビュー] A Generic Review of Integrating Artificial Intelligence in Cognitive Behavioral Therapy

Meng Jiang, Qing Zhao+7 more|arXiv (Cornell University)|Jul 28, 2024

Digital Mental Health Interventions被引用数 9

ひとこと要約

AI、特に事前学習モデルおよび大規模言語モデルが、CBT（認知行動療法）へどのように統合されるかを、治療前、治療中、治療後の各段階で要約した文献レビュー。データセット、利点、制限について議論する。

ABSTRACT

Cognitive Behavioral Therapy (CBT) is a well-established intervention for mitigating psychological issues by modifying maladaptive cognitive and behavioral patterns. However, delivery of CBT is often constrained by resource limitations and barriers to access. Advancements in artificial intelligence (AI) have provided technical support for the digital transformation of CBT. Particularly, the emergence of pre-training models (PTMs) and large language models (LLMs) holds immense potential to support, augment, optimize and automate CBT delivery. This paper reviews the literature on integrating AI into CBT interventions. We begin with an overview of CBT. Then, we introduce the integration of AI into CBT across various stages: pre-treatment, therapeutic process, and post-treatment. Next, we summarized the datasets relevant to some CBT-related tasks. Finally, we discuss the benefits and current limitations of applying AI to CBT. We suggest key areas for future research, highlighting the need for further exploration and validation of the long-term efficacy and clinical utility of AI-enhanced CBT. The transformative potential of AI in reshaping the practice of CBT heralds a new era of more accessible, efficient, and personalized mental health interventions.

研究の動機と目的

• CBTの基礎と提供上の課題を調査し、AI統合の文脈を設定する。
• 治療前、治療過程、治療後の各段階にわたるCBTへのAI応用を系統的に分類する。
• AI対応CBTタスクに関連するデータセットとデータソースを特定する。
• AI強化CBTの利点、制限、および今後の研究方向を論じる。

提案手法

• ArXivとGoogle ScholarでCBTとAI関連語の文献検索を行う。
• CBT提供段階別にAI統合を分類し、知見を統合する。
• 評価、診断、感情分析、個別化治療、Psychoeducation、療法支援に用いられるAI技術を強調する。

Figure 1: The role of AI in various stages of CBT treatment.

実験結果

リサーチクエスチョン

• RQ1 AIは現在、CBT提供のさまざまな段階（治療前、治療過程、治療後）にどのように統合されているか。
• RQ2 CBT関連タスクを支援するために用いられるAI手法とデータセットは何か、またそれらの制限は何か。
• RQ3 AI強化CBTの主要な利点と課題は何か、今後の研究はどこに焦点を当てるべきか。

主な発見

• AIはテキスト、音声、およびマルチモーダルデータを用いて、CBTの評価、診断、認知の歪み検出を強化できる。
• LLMsおよびトランスフォーマーベースのモデルは、認知再構成、感情分析、個別化治療計画のために探究されている。
• 教育的心理教育とCBTの提供は、モバイルアプリ、チャットボット、会話型エージェントを通じてAIを取り入れ、アクセシビリティとエンゲージメントを高めている。
• AIによる個別化治療選択とアウトカム予測は、リソース配分と有効性の向上の可能性を示すが、長期的な臨床有用性の証拠は限定的である。
• 認知の歪みと感情の現行データセットは異種混在で限定的であり、短文、データの不均衡、クロスモーダルデータの必要性といった課題がある。