基于机器学习的预测,从会话记录中预测客户端的痛苦.
Patty B Kuo1, Michael J Tanana1, Simon B Goldberg2
1University of Utah.
概括
自然语言处理 (NLP) 可以使用以前的治疗会话记录来预测客户的症状改善. 这种机器学习方法显示出在精神卫生保健中大规模结果监测的前景.
科学领域:
- 计算语言学计算语言学
- 临床心理学 临床心理学
- 机器学习 机器学习
背景情况:
- 自然语言处理 (NLP) 提供了大规模评估治疗师-客户互动和客户结果反的潜力.
- 关于将NLP应用于客户端结果预测,使用直接交互成绩单,考虑语言复杂性和采用强有力的模型开发实践的研究是有限的.
研究的目的:
- 开发和评估NLP模型,直接从治疗师与客户的交互记录中预测客户的症状改善.
- 通过结合语境语言因素和严格的培训/测试协议来解决先前研究的局限性.
主要方法:
- 利用了来自795名客户和56名治疗师的2630个会议录音.
- 开发了NLP模型,以根据前一次会议的成绩单预测给定的会议中的客户症状.
- 在模型开发中采用经典培训和测试分期的最佳实践.
主要成果:
- 开发的NLP模型成功地预测了与0.32 (p<.001) 的斯皮尔曼rho的客户症状改善.
- 结果表明使用会话记录作为治疗结果的直接预测器的可行性.
结论:
- NLP模型显示了在临床结果监测系统中实施的巨大潜力.
- 这种方法可以通过数据驱动的反和进度跟踪来提高心理健康护理的质量.
- 需要进一步的研究和应用来探索NLP在心理治疗研究中的全部能力.
