[论文解读] 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 9

一句话总结

一篇文献综述，概述人工智能，特别是预训练模型和大型语言模型，在认知行为治疗（CBT）在治疗前、治疗中和治疗后各阶段的整合，以及数据集、收益与局限性的讨论。

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.

研究动机与目标

• 概览 CBT 基本原理与实施挑战，为 AI 整合设定背景。
• 系统性地将 AI 在 CBT 应用按治疗前、治疗过程和治疗后阶段进行分类。
• 识别与 AI 驱动的 CBT 任务相关的数据集和数据源。
• 讨论 AI 增强 CBT 的收益、局限性与未来研究方向。

提出的方法

• 对 ArXiv 和 Google Scholar 进行关于 CBT 与 AI 相关术语的文献检索。
• 按 CBT 交付阶段对 AI 整合进行分类并综合研究结果。
• 突出用于评估、诊断、情感分析、个性化治疗、心理教育和治疗支持的 AI 技术。

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

实验结果

研究问题

• RQ1 人工智能目前如何在 CBT 交付的不同阶段（治疗前、治疗过程、治疗后）中整合？
• RQ2 用于支持 CBT 相关任务的 AI 方法和数据集有哪些，它们的局限性是什么？
• RQ3 AI 增强 CBT 的关键收益与挑战是什么，未来研究应聚焦于哪些方面？

主要发现

• AI 可以通过文本、音频和多模态数据来增强 CBT 的评估、诊断和认知扭曲检测。
• 对认知重构、情感分析和个性化治疗计划，正在探索使用 LLMs 和基于 Transformer 的模型。
• 通过移动应用、聊天机器人和对话代理进行的心理教育和 CBT 交付正日益融入 AI，以提升可及性和参与度。
• 利用 AI 的个性化治疗选择和结局预测显示出提升资源分配和治疗效果的潜力，尽管长期临床实用性的证据仍然有限。
• 当前用于认知扭曲和情感的数据集存在异质性和局限性，在短文本、数据不平衡以及需要跨模态数据方面存在挑战。