[論文レビュー] A Survey of Large Language Models in Psychotherapy: Current Landscape and Future Directions

Hongbin Na, Yining Hua+7 more|ArXiv.org|Feb 16, 2025

Mental Health via Writing被引用数 3

ひとこと要約

この調査は、心理療法におけるLLMアプリケーションの三部構成分類（評価、診断、治療）を提案し、現在の研究（合計69件）をタスク別に概観し、エンドツーエンドで文脈を意識した心理療法における課題と将来の方向性を論じます。

ABSTRACT

Mental health is increasingly critical in contemporary healthcare, with psychotherapy demanding dynamic, context-sensitive interactions that traditional NLP methods struggle to capture. Large Language Models (LLMs) offer significant potential for addressing this gap due to their ability to handle extensive context and multi-turn reasoning. This review introduces a conceptual taxonomy dividing psychotherapy into interconnected stages--assessment, diagnosis, and treatment--to systematically examine LLM advancements and challenges. Our comprehensive analysis reveals imbalances in current research, such as a focus on common disorders, linguistic biases, fragmented methods, and limited theoretical integration. We identify critical challenges including capturing dynamic symptom fluctuations, overcoming linguistic and cultural biases, and ensuring diagnostic reliability. Highlighting future directions, we advocate for continuous multi-stage modeling, real-time adaptive systems grounded in psychological theory, and diversified research covering broader mental disorders and therapeutic approaches, aiming toward more holistic and clinically integrated psychotherapy LLMs systems.

研究の動機と目的

• 心理療法プロセスをLLMアプリケーションに整合させた標準化された分類法（評価、診断、治療）を導入する。
• LLMベースの心理療法研究の全体像を把握するために69件を調査し、カバレッジ、理論統合、および多言語リソースのギャップを特定する。
• バイアス、障害範囲の限界、モデルの整合性といった課題を指摘し、エンドツーエンドの統合的フレームワークの方向性を提案する。

提案手法

• 概念的な分類法（評価、診断、治療）を提案し、動的な相互関係（合成、フレーミング、カスタマイズ）を含む。
• 三要素それぞれの最近の進展と方法論的アプローチを体系的にレビューする。
• 障害カバー、言語リソース、心理療法理論の整合、使用技術、モデルタイプ（商用対オープン、プロンプトベース）といったランドスケープの特性を総合する。
• 言語バイアス、限られた障害、過小評価されている治療法といった研究ギャップを特定し、全体統合の将来方向性を示す。

実験結果

リサーチクエスチョン

• RQ1 現在、心理療法の評価、診断、治療の各段階でLLMはどのように適用されているか。
• RQ2 この分野で使用される主な方法論的アプローチ、データソース、モデルタイプは何か。
• RQ3 言語、障害カバー、治療モデルのギャップやバイアスは何で、将来の研究はそれをどう解決できるか。
• RQ4 エンドツーエンドで統合的なLLMベース心理療 frameworkはどう構築されるべきか、克服すべき課題は何か。

主な発見

Text Granularity	Best Technique	NLP Task	Assessment Focus
Single Post	Emotion Prompting	BC/MCC/EG	Multiple Symptoms
Multi-turn Dialogue	Fine-Tuning	MLC/IE/SUM	Multiple Symptoms
Multi-turn Dialogue	Few-Shot Prompting	MLC/IE/SUM	PTSD
Single Post	Fine-Tuning	MCC	Depression
Single Post	Few-Shot Prompting	MLC	Multiple Symptoms
Single Post	Zero-Shot Prompting	BC	PTSD

• 評価に関する33件、診断に関する9件、治療に関する32件（3領域にまたがる重複5件を含む）。
• 全体の約74%が商用LLMを使用し、約77%がプロンプトベース技術を採用しており、閉じたモデルとプロンプトへの依存を示している。
• 英語主導で多言語は過小代表され、うつ病/不安以外の障害や使用される心理療法理論のカバレッジが限定的である。
• 研究は断片的であり、多くの研究が統合的でエンドツーエンドのシステムよりも個別タスクに焦点を当てている。
• 新しいアプローチはバイアス緩和、領域特化の要約、マルチエージェントやハイブリッドな治療フレームワークを模索しているが、理論的整合と多文化的データセットにはまだギャップが残る。
• 将来の研究は、全心理療法プロセスを跨ぐ統合的で多ターンのシステムを追求し、より広範な障害と治療法を取り入れるべきである。