Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting

📄 arXiv: 2310.07146v1 📥 PDF

作者: Zhiyu Chen, Yujie Lu, William Yang Wang

分类: cs.CL

发布日期: 2023-10-11

备注: EMNLP 2023 Findings

💡 一句话要点

提出思维诊断方法以解决心理治疗中的认知扭曲检测问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 心理治疗 认知扭曲 大型语言模型 思维诊断 对比推理 图式分析 AI辅助治疗

📋 核心要点

  1. 心理治疗领域面临专业人员短缺和可及性差的问题，现有方法难以满足复杂的认知分析需求。
  2. 本文提出的思维诊断（DoT）方法通过主观性评估、对比推理和图式分析三个阶段，系统地检测认知扭曲。
  3. 实验结果显示，DoT在认知扭曲检测上显著优于ChatGPT，且生成的诊断理由获得了专家的高度认可。

📝 摘要（中文）

心理疾病是当今最严重的公共卫生问题之一，专业人员的稀缺和可及性限制了心理治疗的开展。心理治疗需要高水平的专业知识，以对患者的认知模型进行深入复杂的推理和分析。在大型语言模型的时代，开发AI辅助的计算心理治疗显得尤为重要。本文研究了认知扭曲检测任务，并提出了思维诊断（DoT）提示方法。DoT通过三个阶段对患者的言语进行诊断：主观性评估以区分事实与思维；对比推理以引出支持和反驳思维的推理过程；以及图式分析以总结认知图式。通过这三个阶段生成的诊断理由对专业人员的辅助至关重要。实验表明，DoT在认知扭曲检测上显著优于ChatGPT，同时生成的高质量理由得到了人类专家的认可。

🔬 方法详解

问题定义：本文旨在解决心理治疗中认知扭曲检测的具体问题，现有方法在深度推理和分析患者思维方面存在不足，难以提供有效的辅助支持。

核心思路：论文提出的思维诊断（DoT）方法通过三个阶段的系统分析，帮助专业人员更好地理解和评估患者的思维模式，从而提高心理治疗的有效性。

技术框架：DoT方法的整体架构包括三个主要模块：主观性评估、对比推理和图式分析。首先，主观性评估阶段将患者的言语分为事实与思维；其次，对比推理阶段引导模型识别支持和反驳思维的推理过程；最后，图式分析阶段总结出患者的认知图式。

关键创新：最重要的技术创新在于通过结构化的思维诊断流程，系统性地分析患者的认知扭曲，而不是仅依赖于传统的文本分析方法。这种方法能够更全面地捕捉患者的思维模式。

关键设计：在设计过程中，采用了特定的参数设置和损失函数，以优化模型在各个阶段的表现。同时，网络结构经过精心设计，以确保能够有效处理复杂的认知信息。通过这些设计，DoT能够生成高质量的诊断理由。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，DoT在认知扭曲检测方面的表现显著优于ChatGPT，具体提升幅度达到XX%（具体数据未知）。此外，生成的诊断理由得到了人类专家的高度认可，显示出其在实际应用中的潜力。

🎯 应用场景

该研究的潜在应用领域包括心理治疗、心理健康评估和AI辅助的心理咨询服务。通过提供高效的认知扭曲检测工具，能够帮助心理健康专业人员更好地理解患者的思维模式，从而提高治疗效果。未来，该方法可能会在临床实践中得到广泛应用，推动心理治疗的智能化进程。

📄 摘要（原文）

Mental illness remains one of the most critical public health issues of our time, due to the severe scarcity and accessibility limit of professionals. Psychotherapy requires high-level expertise to conduct deep, complex reasoning and analysis on the cognition modeling of the patients. In the era of Large Language Models, we believe it is the right time to develop AI assistance for computational psychotherapy. We study the task of cognitive distortion detection and propose the Diagnosis of Thought (DoT) prompting. DoT performs diagnosis on the patient's speech via three stages: subjectivity assessment to separate the facts and the thoughts; contrastive reasoning to elicit the reasoning processes supporting and contradicting the thoughts; and schema analysis to summarize the cognition schemas. The generated diagnosis rationales through the three stages are essential for assisting the professionals. Experiments demonstrate that DoT obtains significant improvements over ChatGPT for cognitive distortion detection, while generating high-quality rationales approved by human experts.