[논문 리뷰] TherapyView: Visualizing Therapy Sessions with Temporal Topic Modeling and AI-Generated Arts

Baihan Lin, Stefan Zecevic외 2명|arXiv (Cornell University)|2023. 02. 21.

Digital Mental Health InterventionsPsychology인용 수 3

한 줄 요약

TherapyView는 문단 수준의 해상도에서 정신치료 세션의 역동성을 시각화하는 혁신적인 시각화 시스템이다. 시간에 따라 변화하는 주제 모델링과 AI 생성 예술을 활용하여, 환자-치료사 대화의 문단 수준에서 주제 점수를 추출하는 데 신경 주제 모델(특히 임bedded Topic Model, ETM)을 사용한다. 동시에 DALL-E를 통해 시각적 요약을 생성함으로써 치료사가 패턴을 탐지하고 치료 전략을 개선할 수 있도록 한다.

ABSTRACT

We present the TherapyView, a demonstration system to help therapists visualize the dynamic contents of past treatment sessions, enabled by the state-of-the-art neural topic modeling techniques to analyze the topical tendencies of various psychiatric conditions and deep learning-based image generation engine to provide a visual summary. The system incorporates temporal modeling to provide a time-series representation of topic similarities at a turn-level resolution and AI-generated artworks given the dialogue segments to provide a concise representations of the contents covered in the session, offering interpretable insights for therapists to optimize their strategies and enhance the effectiveness of psychotherapy. This system provides a proof of concept of AI-augmented therapy tools with e in-depth understanding of the patient's mental state and enabling more effective treatment.

연구 동기 및 목표

• 정신건강 문제의 치료 세션 내 역동적 진행 양상을 자연어 처리(NLP)와 AI를 활용해 시각화할 수 있는 시스템을 개발하는 것.
• 최신 신경 주제 모델이 정신건강 상담 대화록에서 주제 경향을 얼마나 잘 포착하는지 평가하는 것.
• DALL-E를 통해 생성된 AI 기반 시각적 요약을 통합하여 주제의 해석 가능성과 직관적인 주제 표현을 향상시키는 것.
• 실시간 주제 변화와 환자 상태의 궤적을 탐색할 수 있는 상호작용형 웹 기반 대시보드를 구축하는 것.
• 문단 수준의 주제 모델링이 임상적 의사결정 지원 및 AI 보조 치료에 실현 가능한지 탐색하는 것.

제안 방법

• 환자-치료사 대화의 문단 수준에서 주제 표현을 학습하기 위해 신경 주제 모델(특히 ETM)을 정신건강 상담 대화록에 적용한다.
• 주제 벡터와 문단 수준의 발언 간 코사인 유사도를 계산하기 위해 Word2Vec 임beddings를 사용하여 문단 수준의 주제 점수를 산출한다.
• 시간에 따라 변화하는 주제 유사도를 시간 시리즈 형태로 표현하기 위해 시간 주제 모델링(TTM)을 적용한다.
• 세그먼트 수준의 대화 요약을 기반으로 DALL-E를 활용해 AI 생성 예술 작품을 생성하여 세션 주제에 대한 시각적 은유를 제공한다.
• 실시간 데이터 쿼리와 상호작용 가능한 시각화를 지원하기 위해 React 프론트엔드와 파이썬 기반 Jupyter 노트북 API를 사용해 웹 대시보드를 구축한다.
• 노트북 셀을 API 엔드포인트로 노출하기 위해 Jupyter Kernel Gateway를 활용하여 빠른 프로토타이핑과 반복적인 모델 개발을 가능하게 한다.

실험 결과

연구 질문

• RQ1 최신 신경 주제 모델이 정신건강 상담 대화록에서 주제의 일관성과 다양성을 얼마나 잘 포착하는가?
• RQ2 문단 수준의 시간 주제 모델링이 정신질환 진행 과정에서 임상적으로 의미 있는 패턴을 드러내는가?
• RQ3 대화 세그먼트에서 생성된 AI 생성 예술이 세션 내용의 해석 가능하고 의미 있는 시각적 요약을 제공할 수 있는가?
• RQ4 시간 주제 모델링과 시각 생성의 통합이 임상 현장에서 치료사의 이해력과 의사결정을 얼마나 향상시키는가?
• RQ5 실제 정신건강 분야에 AI 생성 시각화를 구현할 때 발생하는 실용적 및 윤리적 과제는 무엇인가?

주요 결과

• 임베디드 주제 모델(ETM)은 정신분열증에 대해 0.973, 우울증에 대해 0.933, 불안에 대해 0.893의 주제 일관성 점수를 기록하여 가장 높은 주제 일관성과 다양성을 확보했다.
• ETM는 주제 일관성과 로그우도 모두에서 다른 모델들을 능가했으며, 정신분열증에 대해 -310.211의 로그우도를 기록하여 강력한 모델 적합도를 보였다.
• 임베디드 주제 벡터와 발언 벡터 간 코사인 유사도를 활용해 성공적으로 문단 수준의 주제 점수를 생성하여 세밀한 시간적 분석이 가능했다.
• DALL-E에서 생성된 AI 예술 작품은 세션 주제에 대해 새로운 해석 가능한 시각적 표현을 제공했지만, 프롬프트 길이 제한(최대 1,000자)으로 인해 제약이 있었다.
• 다수의 치료 관련 프롬프트가 안전 필터에 의해 DALL-E에서 거부되었으며, 이는 정신건강 관련 민감한 내용을 시각화할 때 윤리적·기술적 한계를 드러냈다.
• 대시보드를 통해 치료사들은 패턴과 잠재적 문제를 더 효율적으로 식별할 수 있었으며, 시각적 신호가 환자 대화에서 미묘하거나 간과된 주제를 드러내는 데 기여했다.