Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts

要約

患者の行動の自動コーディングは、アルコールや薬物中毒などの精神医学的問題に対処するための協調的コミュニケーション介入アプローチである動機づけ面接 (MI) 中に心理療法士の意思決定をサポートするために不可欠です。
行動コーディングタスクは、MIセッション中の患者の状態を予測するために機械学習を迅速に適応させましたが、領域固有の知識の欠如と患者と治療者の相互作用の見落としは、これらのモデルを開発して実際に展開する際の大きな課題です。
これらの課題に対処するために、我々は、二項相互作用による精神医学的意思決定支援のための大規模言語モデル (LLM) を文脈化することを目的とした、相互作用チェーン (CoI) プロンプト手法を導入します。
CoI プロンプトアプローチは、コーディングタスクを体系的に 3 つの主要な推論ステップに分割し、患者の関与を抽出し、セラピストの質問戦略を学習し、患者とセラピスト間の二者間の対話を統合します。
このアプローチにより、大規模な言語モデルでコーディング スキーム、患者の状態、および患者の行動コーディングのドメイン知識を活用できるようになります。
実世界のデータセットでの実験により、複数の最先端の LLM を使用したプロンプト手法の既存のプロンプト ベースラインに対する有効性と柔軟性を証明できます。
私たちは広範なアブレーション分析を実施し、心理療法行動の理解に LLM を適用する際の二項相互作用の重要な役割を実証しました。

要約(オリジナル)

Automatic coding patient behaviors is essential to support decision making for psychotherapists during the motivational interviewing (MI), a collaborative communication intervention approach to address psychiatric issues, such as alcohol and drug addiction. While the behavior coding task has rapidly adapted machine learning to predict patient states during the MI sessions, lacking of domain-specific knowledge and overlooking patient-therapist interactions are major challenges in developing and deploying those models in real practice. To encounter those challenges, we introduce the Chain-of-Interaction (CoI) prompting method aiming to contextualize large language models (LLMs) for psychiatric decision support by the dyadic interactions. The CoI prompting approach systematically breaks down the coding task into three key reasoning steps, extract patient engagement, learn therapist question strategies, and integrates dyadic interactions between patients and therapists. This approach enables large language models to leverage the coding scheme, patient state, and domain knowledge for patient behavioral coding. Experiments on real-world datasets can prove the effectiveness and flexibility of our prompting method with multiple state-of-the-art LLMs over existing prompting baselines. We have conducted extensive ablation analysis and demonstrate the critical role of dyadic interactions in applying LLMs for psychotherapy behavior understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google