دستیار هوش مصنوعی مولد، احساس شایستگی حرفه‌ای روان‌درمانگران را افزایش می‌دهد

bioengineer.org

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

تصویر تولیدشده با هوش مصنوعی

یک پژوهش با روش ترکیبی که در نشریه International Journal of Mental Health Systems منتشر شده است، نشان می‌دهد ادغام یک دستیار هوش مصنوعی مولد در روان‌درمانی آنلاین غیرهم‌زمان، احساس شایستگی حرفه‌ای متخصصان سلامت روان را به‌طور معناداری افزایش می‌دهد و احساس استقلال حرفه‌ای آن‌ها را نیز اندکی تقویت می‌کند.

روان‌درمانی آنلاین غیرهم‌زمان (AOP) به یکی از روش‌های مهم ارائه خدمات سلامت روان به افرادی تبدیل شده است که به دلیل فاصله جغرافیایی یا شرایط بحرانی، از جمله جنگ و همه‌گیری بیماری‌ها، امکان حضور در جلسات حضوری را ندارند. بااین‌حال، درمانگرانی که در این بسترهای دیجیتال فعالیت می‌کنند، اغلب با دشواری‌های عملی قابل‌توجهی روبه‌رو هستند؛ از جمله فشار عاطفی بیشتر، انزوای حرفه‌ای، نامشخص شدن مرزهای کاری و افزایش خطر فرسودگی شغلی.

با وجود گسترش چت‌بات‌های مستقل هوش مصنوعی مولد برای ارائه خدمات سلامت روان به افرادی که به‌تنهایی از ابزارهای دیجیتال استفاده می‌کنند، خطرهایی مانند تفسیر نادرست تشخیص‌ها و تولید پاسخ‌های ساختگی نشان داده است که نظارت بالینی انسان همچنان ضروری است. پژوهشگران با هدف حمایت از متخصصان انسانی، نه جایگزینی آن‌ها، بررسی کردند که آیا یک عامل دیجیتال تخصصی می‌تواند با کمک به درمانگران در انجام وظایف اصلی روان‌درمانی، توانمندی حرفه‌ای آن‌ها را افزایش دهد و در عین حال مسئولیت بالینی را در اختیار انسان نگه دارد یا خیر.

پژوهشگران برای بررسی تأثیر هوش مصنوعی مولد بر توانمندی متخصصان، یک عامل دیجیتال اختصاصی با نام APIA طراحی کردند که مخفف «عامل هوشمند روان‌درمانی غیرهم‌زمان» است. این سامانه بر پایه معماری‌های زبانی GPT-3.5-Turbo-0613 و GPT-4-0613 شرکت OpenAI ساخته شد و به‌طور ویژه برای کمک به متخصصان سلامت روان در سه وظیفه معمول بالینی طراحی شده بود: تدوین تشخیص‌های اولیه بالینی، پیشنهاد برنامه‌های ساختاریافته درمان روان‌شناختی و تهیه پیش‌نویس پاسخ‌های مکتوب به پرسش‌های بیماران.

این سامانه برای بهینه‌سازی زمان پاسخ‌گویی از فراخوانی‌های موازی و متوالی رابط برنامه‌نویسی کاربردی (API) استفاده می‌کرد. همچنین، دستورهای سیستمی محدودکننده، مکالمات را به حوزه روان‌درمانی اختصاص می‌دادند و هویت عامل را به‌عنوان دستیار مجازی روان‌درمانی مشخص می‌کردند. توسعه‌دهندگان برای کاهش پاسخ‌های تصادفی و جلوگیری از توهمات مدل، پارامتر دما را روی مقدار پایین ۰٫۳۵ تنظیم کردند. علاوه بر این، برای جلوگیری از ورود اطلاعات بیرونی یا تأثیرپذیری نامناسب از زمینه‌های قبلی آزمایش، ساختار دستورها به‌گونه‌ای طراحی شده بود که مدل در هر سناریوی ارزیابی فقط به اطلاعات بالینی همان موقعیت دسترسی داشته باشد.

ارزیابی آزمایشی با مشارکت ۱۳ متخصص سلامت روان اوکراینی انجام شد که در جریان جنگ جاری، تجربه فعال فعالیت بالینی در حوزه روان‌درمانی آنلاین غیرهم‌زمان را داشتند. جنگ اوکراین موجب آوارگی گسترده داخلی، مهاجرت شمار زیادی از مراجعان و افزایش شدید موارد افسردگی، اضطراب و اختلال استرس پس از سانحه شده بود. این شرایط، استفاده از الگوهای ارائه خدمات درمانی از راه دور و به‌صورت غیرهم‌زمان را سرعت بخشیده بود.

با وجود دشواری‌های این شرایط، وظایف بالینی مورد بررسی در پژوهش، یعنی تدوین تشخیص، طراحی راهبردهای درمانی و نگارش مکاتبات درمانی، کاملاً با استانداردهای پذیرفته‌شده روان‌درمانی در سطح بین‌المللی و اروپا مطابقت داشتند. گروه شرکت‌کنندگان شامل ۱۱ زن و دو مرد بود. میانگین سنی آن‌ها ۳۸٫۷۷ سال، میانه سنی ۳۸ سال و میانگین سابقه فعالیت حرفه‌ای در روان‌درمانی ۱۳ سال بود. هفت نفر دارای مدرک دکتری روان‌شناسی بودند و ۹ نفر در زمینه درمان اضطراب، افسردگی یا اختلالات مرتبط با تروما تخصص بالینی داشتند. هنگام گردآوری داده‌ها، هفت نفر در اوکراین، پنج نفر در سوئیس و یک نفر در بریتانیا زندگی می‌کردند و همگی به‌طور منظم با مراجعانی در سراسر اروپا ارتباط درمانی غیرهم‌زمان داشتند.

ارزیابی تجربی با استفاده از یک پروتکل آزمایشی خودراهبر و درون‌آزمودنی انجام شد. این آزمایش روی یک بستر نظرسنجی آنلاین امن و میزبانی‌شده توسط دانشگاه صورت گرفت که رابط گفت‌وگوی APIA در آن تعبیه شده بود. هر متخصص دو جلسه بالینی با ترتیب تصادفی را پشت سر گذاشت تا امکان مقایسه دقیق عملکرد او در دو وضعیت فراهم شود: در جلسه نخست، وظایف درمانی را کاملاً مستقل انجام می‌داد و در جلسه دوم، به‌صورت تعاملی با عامل دیجیتال APIA همکاری می‌کرد.

در این ارزیابی از دو سناریوی واقعی و ناشناس‌سازی‌شده بالینی و شش پرسش متفاوت بیماران استفاده شد که یکی از نویسندگان پژوهش، روان‌پزشک و روان‌درمانگر شاغل، آن‌ها را انتخاب کرده بود. تمام اطلاعات شخصی و جزئیات هویتی از پرونده‌ها حذف شده بود و در جریان ارزیابی نیز هیچ تعامل مستقیمی با بیماران واقعی صورت نگرفت؛ بنابراین، این پروتکل به دریافت تأییدیه رسمی اخلاق پژوهشی از کمیته دانشگاهی نیاز نداشت.

شرکت‌کنندگان پیش از آغاز آزمایش، یک ویدئوی آموزشی درباره نحوه استفاده از سامانه و تعامل با رابط کاربری مشاهده کردند. سپس در جلسات آزمایشی، تشخیص‌های اولیه را تدوین کردند، مداخلات درمانی را طراحی کردند و به پرسش‌های بیماران پاسخ دادند. در جلسه مجهز به هوش مصنوعی، این فرصت را نیز داشتند که فرضیه‌های خود را با پیشنهادهای سامانه مقایسه کنند، پیش‌نویس‌های تولیدشده را بررسی کنند و پاسخ‌های نهایی خود را بهبود دهند.

پژوهشگران برای سنجش تغییرات در توانمندی حرفه‌ای درمانگران، پس از هر جلسه آزمایشی دو بُعد شناختی شایستگی و استقلال را ارزیابی کردند. برای این کار از مقیاس پنج‌درجه‌ای لیکرت استفاده شد که از ابزار «رضایت از نیازهای تجربه مبتنی بر فناوری ـ وظیفه» با عنوان TENS-Task اقتباس شده بود.

داده‌های کمی با استفاده از آمار توصیفی، آزمون کای‌دو برای بررسی نرمال بودن توزیع داده‌ها، شاخص آلفای کرونباخ برای سنجش پایایی و آزمون تی زوجی تحلیل شدند. پایایی مقیاس‌ها با مقادیر آلفای کرونباخ ۰٫۷۵ برای شایستگی و ۰٫۸۰ برای استقلال تأیید شد.

نتایج تحلیل کمی نشان داد همکاری با APIA میانگین احساس شایستگی حرفه‌ای را ۱۲٫۷ درصد افزایش داده است. این اثر مثبت از نظر آماری معنادار بود؛ به‌طوری‌که مقدار احتمال در آزمون دوطرفه کمتر از ۰٫۰۱ و اندازه اثر، بر اساس شاخص d کوهن، برابر با ۰٫۲۲ بود که نشان‌دهنده اثری کوچک است.

در زمینه استقلال بالینی نیز میانگین امتیازها ۸٫۳ درصد افزایش یافت. آزمون تی زوجی یک‌طرفه نشان داد این اثر مثبت در سطحی مرزی از معناداری آماری قرار دارد و مقدار احتمال آن کمتر از ۰٫۱ است. بااین‌حال، اندازه اثر بسیار کوچک و برابر با ۰٫۰۶ بود و آزمون متناظر دوطرفه نیز به سطح متعارف معناداری آماری نرسید.

پژوهشگران برای تکمیل نتایج کمی، داده‌های کیفی گسترده‌ای نیز از پاسخ‌های تشریحی شرکت‌کنندگان به دست آوردند. همچنین، با ۱۰ نفر از ۱۳ متخصص حاضر در پژوهش، مصاحبه‌های نیمه‌ساختاریافته تکمیلی به مدت ۳۰ تا ۴۵ دقیقه از طریق Microsoft Teams انجام دادند.

داده‌های کیفی با روش تحلیل مضمون و از طریق فرایند کدگذاری از پایین به بالا بررسی شدند. دو پژوهشگر مستقل با استفاده از نرم‌افزار MaxQDA این تحلیل را انجام دادند و در نهایت، مجموعه‌ای ساختاریافته شامل ۵۲ کد موضوعی متمایز تدوین شد.

یافته‌های کیفی سازوکارهای احتمالی افزایش احساس شایستگی حرفه‌ای را روشن کردند. درمانگران گفتند APIA پیش‌نویس‌هایی سریع، منظم و بی‌طرفانه ارائه می‌دهد که سرعت پاسخ‌گویی آن‌ها را به‌طور چشمگیری افزایش می‌دهد و فشار شناختی ناشی از مکاتبات مکتوب را کاهش می‌دهد. بسیاری از متخصصان از این عامل دیجیتال به‌عنوان ابزاری برای اعتبارسنجی فوری استفاده می‌کردند و فرضیه‌های بالینی خود را با خروجی‌های مدل می‌سنجیدند.

وقتی درمانگران متوجه می‌شدند استدلال ساختاریافته عامل هوش مصنوعی با برداشت بالینی خودشان هم‌خوانی دارد، اعتمادبه‌نفس بیشتری پیدا می‌کردند. این فرایند به تقویت اطمینان حرفه‌ای، افزایش تأمل و بازنگری در شیوه کار و دریافت بازخوردی کمک می‌کرد که احساس شایستگی آن‌ها را تقویت می‌کرد؛ به‌ویژه در شرایطی که به دلیل ماهیت غیرهم‌زمان کار، از ارتباط مستقیم و مستمر با همکاران محروم بودند.

بااین‌حال، روایت شرکت‌کنندگان محدودیت‌های روشنی را در تعریف شایستگی حرفه‌ای آشکار کرد. چندین درمانگر باتجربه تأکید کردند که توانایی واقعی در روان‌درمانی حاصل سال‌ها تجربه بالینی، شهود حرفه‌ای پخته و همدلی عاطفی عمیق است؛ حوزه‌هایی که سامانه‌های الگوریتمی ذاتاً در آن‌ها ضعف دارند.

یکی از متخصصان در این باره گفت عامل دیجیتال، انسان را در درجه نخست موضوعی برای تحلیل در نظر می‌گیرد، درحالی‌که روان‌درمانگر با بیمار به‌عنوان انسانی صاحب اراده و دارای تجربه ذهنی منحصربه‌فرد ارتباط برقرار می‌کند. از همین رو، درمانگران این ابزار را جایگزین توانایی فکری و بالینی انسان نمی‌دانستند، بلکه آن را وسیله‌ای کمکی تلقی می‌کردند که هوش عقلانی و توانایی پردازش سریع اطلاعات را در کنار هوش عاطفی درمانگر قرار می‌دهد.

به گفته متخصصان، ترکیب توانایی استدلال الگوریتمی با همدلی انسانی در روابط درمانی می‌تواند عملکردی مکمل ایجاد کند و در عین حال، خطرهای شناخته‌شده استفاده مستقل از مدل‌های زبانی را کاهش دهد. در پژوهش‌های پیشین نشان داده شده است که این مدل‌ها ممکن است وضعیت‌های پیچیده روان‌پزشکی را نادرست تفسیر کنند یا خطرهای مهمی مانند اسکیزوفرنی و خودکشی را کم‌اهمیت جلوه دهند.

در زمینه استقلال حرفه‌ای، بازخوردهای کیفی توضیح دادند که چرا اثر مشاهده‌شده در تحلیل کمی محدودتر بود. از آنجا که APIA صرفاً یک دستیار مشورتی و منفعل بود و اختیار مستقیمی برای انجام مداخلات درمانی نداشت، تصمیم‌گیری درباره پذیرش، اصلاح یا رد پیشنهادهای تولیدشده کاملاً در اختیار درمانگران باقی می‌ماند.

چندین متخصص توضیح دادند که استقلال بالینی آن‌ها بر شناخت درونی از پویایی‌های عاطفی انسان و تشخیص فرصت‌های درمانی در لحظه استوار است؛ حوزه‌هایی که نرم‌افزار به آن‌ها دسترسی ندارد. بااین‌حال، شرکت‌کنندگان گفتند این دستیار در موقعیت‌های همراه با تردید بالینی، استقلال عملی آن‌ها را به میزان قابل‌توجهی افزایش می‌دهد.

در فعالیت روزمره، روان‌درمانگران فعال در بسترهای غیرهم‌زمان معمولاً برای رفع ابهام‌های تشخیصی ناچارند با ناظران ارشد مشورت کنند یا منتظر بررسی همکاران خود بمانند. APIA با ارائه دیدگاه‌های عقلانی و جایگزین به‌صورت فوری، به متخصصان امکان می‌داد بدون انتظار برای نظارت رسمی و بیرونی، بن‌بست‌های بالینی را مستقلاً برطرف کنند. به این ترتیب، انعطاف‌پذیری عملی و اتکای آن‌ها به توانایی خودشان افزایش می‌یافت.

پژوهشگران با تکیه بر مشاهدات تجربی و مطالعات موجود درباره خدمات روان‌درمانی، سه الگوی معماری متمایز برای ادغام عوامل دیجیتال مبتنی بر هوش مصنوعی مولد در روان‌درمانی آنلاین غیرهم‌زمان معرفی کردند: الگوی درمانگرمحور، الگوی بیمارمحور و الگوی درمان‌محور.

در الگوی درمانگرمحور، عامل دیجیتال صرفاً به‌عنوان دستیار پشت‌صحنه از متخصص بالینی پشتیبانی می‌کند و هیچ ارتباط مستقیمی میان نرم‌افزار و مراجع برقرار نمی‌شود. این عامل می‌تواند پیش از تعامل درمانی، در جریان آن یا در فاصله میان جلسات، به‌عنوان ابزاری برای بازیابی اطلاعات فعالیت کند؛ برای مثال، جلسات قبلی را خلاصه کند، سوابق طولی بیمار را سامان دهد یا دیدگاه‌های نظری مبتنی بر چارچوب‌های معتبر روان‌شناختی ارائه دهد.

این الگو با قرار دادن تمام خروجی‌های هوش مصنوعی در معرض ارزیابی درمانگر، خطرهای بالینی و اخلاقی را به حداقل می‌رساند. در نتیجه، متخصص می‌تواند پاسخ‌هایی باکیفیت تدوین کند و در عین حال، ارتباط شخصی و بدون واسطه خود با بیمار را حفظ کند.

در الگوی بیمارمحور، عامل دیجیتال در بخش آشکار فرایند درمان و زیر نظارت فعال بالینی درمانگر، مستقیماً با بیمار تعامل می‌کند. در این ساختار، روان‌درمانگر انسانی همچنان مرجع اصلی درمان است و رابطه درمانی را در بستر غیرهم‌زمان مدیریت می‌کند؛ بااین‌حال، بیمار می‌تواند در فاصله میان جلسات به‌صورت هم‌زمان با عامل دیجیتال ارتباط برقرار کند.

این تعامل می‌تواند برای آموزش روان‌شناختی، پیگیری علائم یا انجام تمرین‌های ساختاریافته درمان شناختی‌رفتاری مورد استفاده قرار گیرد. سامانه نیز تعاملات بیمار را تحلیل می‌کند و خلاصه‌ای از آن‌ها را در اختیار درمانگر ناظر قرار می‌دهد تا حلقه بازخورد تشخیصی تکمیل شود.

این الگو دسترسی بیمار به حمایت مستمر را افزایش می‌دهد، اما پژوهشگران تأکید کردند که توسعه‌دهندگان باید به‌دقت مدل‌های ذهنی ثانویه را بررسی کنند. هدف آن است که بیماران در نتیجه استفاده از این سامانه احساس غیرشخصی شدن رابطه درمانی نداشته باشند، به‌طور نامناسب به آن وابستگی عاطفی پیدا نکنند و با توصیه‌های درمانی تأییدنشده روبه‌رو نشوند.

در الگوی سوم، یعنی ادغام درمان‌محور، عامل دیجیتال به‌عنوان یک هم‌درمانگر و ناظر فراگیر در پس‌زمینه فعالیت می‌کند. در این چارچوب، عامل هوش مصنوعی به‌طور پیوسته از تبادل پیام‌های غیرهم‌زمان میان بیمار و درمانگر آگاه است، اما مستقیماً در گفت‌وگوی آن‌ها مداخله نمی‌کند و از جایگاهی فراتر، فرایند درمان را بررسی می‌کند.

این عامل با نظارت بر روند طولی درمان، تهیه خودکار خلاصه جلسات، برجسته کردن خطاهای شناختی احتمالی و شناسایی نشانه‌های ظریف انتقال روانی به درمانگر کمک می‌کند. انتقال روانی زمانی رخ می‌دهد که بیمار احساسات حل‌نشده خود را به درمانگر منتقل کند.

عامل دیجیتال در این الگو می‌تواند همچون فضایی برای بازاندیشی یا طرفی برای طرح پرسش‌های سقراطی عمل کند. چنین نظارتی در سطح کل فرایند درمان، انزوای حرفه‌ای درمانگر را کاهش می‌دهد، از تصمیم‌گیری در موقعیت‌های پیچیده پشتیبانی می‌کند و به متخصصان کمک می‌کند در مواجهه با پرونده‌های دشوار، بی‌طرفی خود را حفظ کنند.

با وجود مزایای عملیاتی شناخته‌شده، پژوهش محدودیت‌های مهم بالینی، فنی و اخلاقی ادغام هوش مصنوعی مولد را نیز برجسته کرد. شرکت‌کنندگان درباره محرمانگی اطلاعات حساس بیماران نگرانی‌های جدی مطرح کردند و گفتند استفاده از مدل‌های زبانی بزرگ به سازوکارهای سخت‌گیرانه حفاظت از داده‌ها نیاز دارد؛ سازوکارهایی که با استانداردهای قانونی، از جمله مقررات عمومی حفاظت از داده‌های اتحادیه اروپا (GDPR)، مطابقت داشته باشند.

سازگاری این فناوری با روش‌های مختلف روان‌درمانی نیز یکی دیگر از محدودیت‌های اساسی بود. متخصصانی که رویکرد روان‌کاوانه داشتند، خاطرنشان کردند ارائه خودکار توضیحات آموزشی روان‌شناختی می‌تواند سازوکارهای بنیادی درمان، مانند تداعی آزاد، را مختل کند.

علاوه بر این، متخصصان هشدار دادند درمانگران کم‌تجربه یا تازه‌کار ممکن است بیش از اندازه به توصیه‌های الگوریتمی وابسته شوند و بدون ارزیابی انتقادی کافی، نتایج تشخیصی نادرست را بپذیرند. در پایان، پژوهشگران بر ماهیت اکتشافی مطالعه تأکید کردند: نمونه پژوهش تنها ۱۳ متخصص اوکراینی را در بر می‌گرفت و وظایف بالینی نیز در محیطی شبیه‌سازی‌شده ارزیابی شده بودند. آن‌ها خواستار انجام پژوهش‌های گسترده‌تر با گروه‌های بزرگ‌تر و چندفرهنگی شدند تا کاربرد واقعی این فناوری در محیط‌های بالینی متنوع بررسی شود.

موضوع پژوهش: توانمندسازی متخصصان سلامت روان در روان‌درمانی آنلاین غیرهم‌زمان با استفاده از هوش مصنوعی مولد

عنوان مقاله: توانمندسازی متخصصان سلامت روان در روان‌درمانی آنلاین غیرهم‌زمان با هوش مصنوعی مولد

منبع مقاله: Bucher, A., Vashkite, I., Staehelin, D., Dolata, M., & Schwabe, G. (2026). Empowering mental health professionals in asynchronous online psychotherapy with GenAI. International Journal of Mental Health Systems, 20(1), Article 10. https://doi.org/10.1186/s13033-026-00700-5

اعتبار تصویر: تولیدشده با هوش مصنوعی

شناسه دیجیتال مقاله (DOI): 10.1186/s13033-026-00700-5

کلیدواژه‌ها: روان‌درمانی آنلاین غیرهم‌زمان، هوش مصنوعی مولد، عوامل دیجیتال، نمونه اولیه APIA، توانمندسازی درمانگران، احساس شایستگی حرفه‌ای، استقلال بالینی، فناوری سلامت روان، ارزیابی با روش ترکیبی، گردش کار روان‌درمانی، مدل‌های زبانی بزرگ، مراقبت ترکیبی، الگوی درمانگرمحور، الگوی بیمارمحور، الگوی درمان‌محور، پشتیبانی از تصمیم‌گیری بالینی، رضایت از نیازهای مبتنی بر فناوری، فرسودگی شغلی متخصصان سلامت روان