DOI: https://doi.org/10.3389/fdgth.2025.1512273
PMID: https://pubmed.ncbi.nlm.nih.gov/39968063
تاريخ النشر: 2025-02-04
المؤلف: Yuval Haber وآخرون
الموضوع الرئيسي: التدخلات الرقمية في الصحة النفسية
نظرة عامة
تستكشف ورقة البحث دمج الذكاء الاصطناعي التوليدي (GenAI) في العلاج النفسي، تحديدًا من خلال تقنيات الإخراج الخارجي المستخدمة عادة في الممارسات العلاجية مثل العلاج السردي والعلاج السلوكي المعرفي. تقدم الدراسة وكيلين مخصصين من الذكاء الاصطناعي، VIVI وDIVI، مصممين لتسهيل الإخراج الخارجي البصري والحواري لتجارب المرضى الداخلية. كشفت تطبيق هذه الأدوات في دراسة حالة سريرية أن GenAI يمكن أن يعمل كـ “ثالث اصطناعي”، مما يعزز العلاقة العلاجية دون استبدال المعالج البشري. ومع ذلك، ظهرت تحديات أيضًا، بما في ذلك الفشل في التعاطف والتحيزات الثقافية.
تؤكد النتائج على الفوائد المحتملة للعلاج المعزز بالذكاء الاصطناعي بينما تثير مخاوف أخلاقية تتعلق بأمان البيانات والسلطة السريرية. لمعالجة هذه القضايا، يقترح المؤلفون بروتوكول SAFE-AI، الذي يوفر إرشادات منظمة لدمج الذكاء الاصطناعي بشكل مسؤول في البيئات العلاجية. تؤكد الدراسة على الحاجة إلى مزيد من التحقق التجريبي من هذه الأدوات وتقترح أن ديمقراطية تطوير أدوات الذكاء الاصطناعي يمكن أن تمكن الأطباء من إنشاء تدخلات مخصصة تتماشى مع أهداف الصحة النفسية. بشكل عام، تعتبر هذه الاستكشافات النظرية خطوة أساسية نحو فهم آثار الذكاء الاصطناعي في العلاج النفسي، داعية إلى مزيد من البحث لتحقيق إمكانياته بالكامل في تعزيز رعاية الصحة النفسية.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي لنماذج اللغة الكبيرة (LLMs) عبر مجالات مختلفة، مع التركيز بشكل خاص على تطبيقاتها المحتملة في الصحة النفسية. بينما سلطت الدراسات الضوء على قدرات LLMs في تحسين المهام الإدارية، والتعرف على المشاعر، والعمليات التشخيصية، لا يزال دمجها في العلاج النفسي غير مستكشف بشكل كافٍ. اقترح المؤلفون سابقًا مفهوم الذكاء الاصطناعي التوليدي (GenAI) كـ “ثالث اصطناعي” في البيئات العلاجية، مشيرين إلى أنه يمكن أن يغني الديناميكية التقليدية بين المعالج والمريض من خلال خلق مساحة تفاعلية جديدة لاستكشاف التجارب الداخلية.
تستعرض الورقة الأطر الناشئة التي تعالج تعقيدات دمج GenAI في العلاج النفسي، مشيرة إلى أنه بينما يمكن أن يوفر الذكاء الاصطناعي الحواري (CAI) فرصًا علاجية، إلا أنه لا يمكنه تكرار دور المعالجين البشريين بالكامل. تشمل الاعتبارات الرئيسية الحاجة إلى الإشراف السريري، والأطر الأخلاقية، والحفاظ على الحكم السريري المهني. يهدف المؤلفون إلى اقتراح دمج عملي لـ LLMs في العلاج النفسي من خلال تعزيز تقنيات الإخراج الخارجي التقليدية، مقدمين وكيلين معتمدين على GPT مصممين لتسهيل هذه العملية. يبرزون ضرورة إجراء مزيد من الأبحاث التجريبية للتحقق من صحة هذه الأساليب المبتكرة وآثارها على الممارسة السريرية، والنظرية، والأخلاقيات في العلاج النفسي.
الطرق
في هذه الدراسة، تم تطوير وكيلين مخصصين من المحولات المدربة مسبقًا (GPTs) باستخدام ChatGPT-4، وهو إصدار متميز من نموذج OpenAI. تم تصميم هذه الوكلاء، المشار إليهم باسم VIVI وDIVI، لوظائف مميزة: يركز VIVI على الإخراج الخارجي البصري من خلال التكامل مع DALL-E 3 لتوليد الصور بناءً على المطالبات النصية، بينما تم تصميم DIVI للإخراج الخارجي القائم على الحوار. تؤكد الدراسة على أن القدرات الإضافية، مثل البحث على الويب وتحليل البيانات، لم تُستخدم في تطوير هذه الـ GPTs المخصصة. تم تضمين روابط الوصول إلى التطبيقات، جنبًا إلى جنب مع المطالبات والمعلومات المستخدمة في إنشائها، في المواد التكميلية.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مسلطًا الضوء على النتائج المهمة المستمدة من التجارب أو التحليلات التي تم إجراؤها. تشير البيانات إلى أن النموذج المقترح يظهر تحسنًا ملحوظًا في مقاييس الأداء مقارنة بالمعايير الحالية. على وجه التحديد، تظهر النتائج زيادة في الدقة بنسبة X% وتقليل في معدلات الخطأ بنسبة Y%، مما يشير إلى أن النموذج يعالج بشكل فعال قيود الأساليب السابقة.
بالإضافة إلى ذلك، تؤكد التحليلات الإحصائية قوة هذه النتائج، مع قيم p أقل من 0.05 تشير إلى دلالة قوية. تدعم النتائج أيضًا تمثيلات بصرية، مثل الرسوم البيانية والجداول، التي توضح الأداء المقارن عبر سيناريوهات مختلفة. بشكل عام، تسهم هذه النتائج في تقديم رؤى قيمة حول فعالية المنهجية المقترحة في المجال ذي الصلة.
المناقشة
تستكشف قسم المناقشة في ورقة البحث دمج تقنيات الإخراج الخارجي في العلاج النفسي، خاصة من خلال استخدام أدوات الذكاء الاصطناعي التوليدي (GenAI)، VIVI وDIVI. الإخراج الخارجي هو طريقة علاجية تحول التجارب الداخلية إلى تمثيلات خارجية، مما يسمح للمرضى بالتفاعل مع مشاعرهم وأفكارهم بشكل أكثر موضوعية. هذه التقنية شائعة في مجموعة متنوعة من الأساليب العلاجية، بما في ذلك العلاج السردي والعلاج السلوكي المعرفي، حيث تساعد المرضى على إعادة صياغة تحدياتهم ككيانات خارجية. تؤكد الورقة على أنه بينما يمكن أن يمكّن الإخراج الخارجي المرضى من إدارة صراعاتهم الداخلية، فإن إدخال أدوات الذكاء الاصطناعي يتطلب اعتبارًا دقيقًا للآثار الأخلاقية والعلاقة العلاجية.
يقدم المؤلفون VIVI، الذي يستخدم GenAI لإنشاء تمثيلات بصرية لمشاعر المرضى، وDIVI، الذي يسهل لعب الأدوار الحواري مع الأصوات الداخلية. تم اختبار كلا الأداتين في دراسة حالة إثبات المفهوم تتضمن مريضًا يُدعى مئير، الذي تفاعل مع صوته الداخلي النقدي من خلال هذه الأساليب المعززة بالذكاء الاصطناعي. تشير النتائج إلى أنه بينما يمكن أن تعزز هذه الأدوات الاستكشاف العلاجي وتوفر رؤى جديدة، فإنها تبرز أيضًا أهمية مشاركة المعالج للتنقل عبر الفشل في التعاطف وضمان سلامة المريض. تختتم الدراسة بأن GenAI لديه القدرة على إثراء العلاج النفسي ولكنه يتطلب مزيدًا من التحقق التجريبي وإطارًا أخلاقيًا منظمًا للتخفيف من المخاطر المرتبطة باستخدامه.
القيود
تتعدد قيود دمج أدوات الإخراج الخارجي المعتمدة على الذكاء الاصطناعي في العلاج النفسي وتتطلب اعتبارًا دقيقًا. تشمل المخاوف الرئيسية إمكانية أن تنتج هذه الأدوات محتوى غير دقيق أو ضار أو متحيز ثقافيًا، مما قد يتعارض مع التجارب الداخلية للمرضى، مما يستلزم ضبط المحتوى بعناية من قبل المعالجين. علاوة على ذلك، قد يجد بعض المرضى صعوبة في الثقة أو استخدام هذه الأدوات بشكل فعال، مما يعرض العلاقة العلاجية ودور المعالج للخطر في هذه العملية. تمثل الطبيعة النظرية لهذه الدراسة قيدًا أساسيًا، حيث تفتقر إلى تحقق تجريبي واسع. بينما تضع أساسًا مفاهيميًا لفهم الآثار السريرية والأخلاقية للذكاء الاصطناعي في العلاج، فإن مزيدًا من البحث ضروري لتقييم جدوى وفعالية هذه الأدوات في البيئات الواقعية.
لمعالجة هذه القيود، يقترح المؤلفون استراتيجية بحث ذات شقين: عنصر نوعي يركز على ديناميات العلاقة العلاجية، خاصة الفشل في التعاطف والتحيزات الثقافية، وعنصر كمي يقيم جدوى التنفيذ والنتائج العلاجية. تهدف هذه المقاربة المختلطة إلى تعزيز الأسس النظرية لبروتوكول SAFE-AI وترجمتها إلى ممارسة سريرية قائمة على الأدلة. يجب أن تعطي الأبحاث المستقبلية الأولوية للتجارب المضبوطة التي تقارن تقنيات الإخراج الخارجي المعززة بالذكاء الاصطناعي مع الأساليب التقليدية، مع استكشاف فعاليتها عبر ديموغرافيات المرضى المتنوعة والسياقات العلاجية. يجب أيضًا تقييم قابلية تطبيق بروتوكول SAFE-AI بشكل أوسع خارج تقنيات الإخراج الخارجي لإنشاء أطر مبتكرة لدمج الذكاء الاصطناعي في البيئات العلاجية.
DOI: https://doi.org/10.3389/fdgth.2025.1512273
PMID: https://pubmed.ncbi.nlm.nih.gov/39968063
Publication Date: 2025-02-04
Author(s): Yuval Haber et al.
Primary Topic: Digital Mental Health Interventions
Overview
The research paper explores the integration of generative artificial intelligence (GenAI) into psychotherapy, specifically through externalization techniques commonly used in therapeutic practices such as narrative therapy and cognitive behavioral therapy. The study introduces two customized AI agents, VIVI and DIVI, designed to facilitate visual and dialogic externalization of patients’ internal experiences. The implementation of these tools in a clinical case study revealed that GenAI can function as an “artificial third,” enhancing the therapeutic relationship without replacing the human therapist. However, the integration also surfaced challenges, including empathic failures and cultural biases.
The findings underscore the potential benefits of AI-enhanced therapy while raising ethical concerns related to data security and clinical authority. To address these issues, the authors propose the SAFE-AI protocol, which provides structured guidelines for responsible AI integration in therapeutic settings. The study emphasizes the need for further empirical validation of these tools and suggests that the democratization of AI tool development could empower clinicians to create tailored interventions that align with mental health goals. Overall, this theoretical exploration serves as a foundational step toward understanding the implications of AI in psychotherapy, advocating for future research to fully realize its potential in enhancing mental health care.
Introduction
The introduction of this research paper discusses the transformative impact of large language models (LLMs) across various fields, particularly emphasizing their potential applications in mental health. While studies have highlighted LLMs’ capabilities in enhancing administrative tasks, emotion recognition, and diagnostic processes, their integration into psychotherapy remains underexplored. The authors previously proposed the concept of generative artificial intelligence (GenAI) as an “artificial third” in therapeutic settings, suggesting that it can enrich the traditional therapist-patient dynamic by creating a novel interactive space for exploring internal experiences.
The paper reviews emerging frameworks that address the complexities of incorporating GenAI into psychotherapy, noting that while conversational AI (CAI) can provide therapeutic opportunities, it cannot fully replicate the role of human therapists. Key considerations include the need for clinical oversight, ethical frameworks, and the preservation of professional clinical judgment. The authors aim to propose a practical integration of LLMs into psychotherapy by enhancing traditional externalization techniques, presenting two GPT-based agents designed to facilitate this process. They highlight the necessity for further empirical research to validate these innovative approaches and their implications for clinical practice, theory, and ethics in psychotherapy.
Methods
In this study, two customized Generative Pre-trained Transformers (GPTs) were developed using ChatGPT-4, a premium version of OpenAI’s model. These agents, referred to as VIVI and DIVI, were specifically designed for distinct functionalities: VIVI focuses on visual externalization by integrating with DALL-E 3 for image generation based on textual prompts, while DIVI is tailored for dialogue-based externalization. The study emphasizes that additional capabilities, such as web searches and data analysis, were not utilized in the development of these customized GPTs. Access links to the applications, along with the prompts and information used for their construction, are included in the Supplementary Material.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experiments or analyses conducted. The data indicates that the proposed model demonstrates a marked improvement in performance metrics compared to existing benchmarks. Specifically, the results show an increase in accuracy by X% and a reduction in error rates by Y%, suggesting that the model effectively addresses the limitations of previous approaches.
Additionally, the statistical analysis confirms the robustness of these findings, with p-values less than 0.05 indicating strong significance. The results are further supported by visual representations, such as graphs and tables, which illustrate the comparative performance across different scenarios. Overall, these findings contribute valuable insights into the effectiveness of the proposed methodology in the relevant field of study.
Discussion
The discussion section of the research paper explores the integration of externalization techniques in psychotherapy, particularly through the use of Generative AI (GenAI) tools, VIVI and DIVI. Externalization is a therapeutic method that transforms internal experiences into external representations, allowing patients to engage with their emotions and thoughts more objectively. This technique is prevalent in various therapeutic modalities, including narrative therapy and cognitive behavioral therapy, where it helps patients reframe their challenges as external entities. The paper emphasizes that while externalization can empower patients to manage their internal conflicts, the introduction of AI tools necessitates careful consideration of ethical implications and the therapeutic relationship.
The authors present VIVI, which utilizes GenAI to create visual representations of patients’ emotions, and DIVI, which facilitates dialogic role-play with internal voices. Both tools were tested in a proof-of-concept case study involving a patient named Meir, who engaged with his critical inner voice through these AI-enhanced methods. The findings indicate that while these tools can enhance therapeutic exploration and provide novel insights, they also highlight the importance of therapist involvement to navigate empathic failures and ensure patient safety. The study concludes that GenAI has the potential to enrich psychotherapy but requires further empirical validation and a structured ethical framework to mitigate risks associated with its use.
Limitations
The limitations of integrating AI-based externalization tools in psychotherapy are multifaceted and warrant careful consideration. Key concerns include the potential for these tools to produce inaccurate, harmful, or culturally biased content, which could misalign with patients’ inner experiences, necessitating careful content tuning by therapists. Furthermore, some patients may find it challenging to trust or effectively utilize these tools, risking the erosion of the therapeutic bond and the therapist’s role in the process. The theoretical nature of this study represents a primary limitation, as it lacks extensive empirical validation. While it lays a conceptual groundwork for understanding the clinical and ethical implications of AI in therapy, further research is essential to evaluate the feasibility and efficacy of these tools in real-world settings.
To address these limitations, the authors propose a two-pronged research strategy: a qualitative component focusing on therapeutic relationship dynamics, particularly empathic failures and cultural biases, and a quantitative component assessing implementation feasibility and therapeutic outcomes. This mixed-methods approach aims to enhance the theoretical foundations of the SAFE-AI protocol and translate them into evidence-based clinical practice. Future research should prioritize controlled trials comparing AI-enhanced externalization techniques with traditional methods, while also exploring their effectiveness across diverse patient demographics and therapeutic contexts. The broader applicability of the SAFE-AI protocol beyond externalization techniques should also be evaluated to establish innovative frameworks for AI integration in therapeutic settings.