[논문 리뷰] A Generic Review of Integrating Artificial Intelligence in Cognitive Behavioral Therapy

Meng Jiang, Qing Zhao외 7명|arXiv (Cornell University)|2024. 07. 28.

Digital Mental Health Interventions인용 수 9

한 줄 요약

사전 학습 모델과 대형 언어 모델을 포함한 AI가 CBT에 어떻게 통합되는지에 대한 문헌 고찰로, 예비 단계, 치료, 이후 단계 전반에 걸친 데이터 세트, 이점 및 한계에 대한 논의를 제시한다.

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.

연구 동기 및 목표

• CBT의 기본 원리와 전달상의 도전과제를 조사하여 AI 통합의 맥락을 설정한다.
• 사전 치료, 치료 과정, 사후 치료 단계에 걸친 CBT의 AI 응용을 체계적으로 분류한다.
• AI 기반 CBT 작업과 관련된 데이터세트와 데이터 소스를 식별한다.
• AI가 강화된 CBT의 이점, 한계 및 향후 연구 방향을 논의한다.

제안 방법

• CBT 및 AI 관련 용어를 대상으로 ArXiv와 Google Scholar에서 문헌 조사를 수행한다.
• CBT 전달 단계별로 AI 통합을 분류하고 결과를 종합한다.
• 평가, 진단, 감정 분석, 개인 맞춤 치료, 정신교육, 치료 지원 등에 사용되는 AI 기법을 강조한다.

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

실험 결과

연구 질문

• RQ1 AI가 현재 CBT 전달의 여러 단계(사전 치료, 치료 과정, 사후 치료)에 어떻게 통합되고 있는가?
• RQ2 CBT 관련 작업을 지원하기 위해 어떤 AI 방법과 데이터 세트가 사용되며, 그 한계는 무엇인가?
• RQ3 AI가 강화된 CBT의 주요 이점과 도전과제는 무엇이며, 향후 연구는 어디에 초점을 두어야 하는가?

주요 결과

• AI는 텍스트, 오디오 및 다중 모달 데이터를 사용하여 CBT 평가, 진단 및 인지 왜곡 탐지를 보조할 수 있다.
• LLMs(대형 언어 모델)과 트랜스포머 기반 모델이 인지 재구성, 감정 분석 및 개인화된 치료 계획에 대해 탐구된다.
• 이동식 앱, 챗봇 및 대화형 에이전트를 통한 심리교육 및 CBT 전달이 접근성과 참여를 높이기 위해 점차 AI를 도입하고 있다.
• AI를 이용한 개인화된 치료 선택과 결과 예측은 자원 배분과 효율성 향상의 가능성을 보이지만, 장기적인 임상 활용에 대한 근거는 여전히 제한적이다.
• 인지 왜곡과 정서에 대한 현재 데이터세트는 이질적이고 제한적이며, 짧은 텍스트, 데이터 불균형, 교차 모달 데이터의 필요성 등의 문제가 있다.