MindfulDiary：利用大型语言模型支持精神疾病患者的日记记录

文献标题

MindfulDiary: Harnessing Large Language Model to Support Psychiatric Patients’ Journaling

文献信息

• 主题领域: 精神健康与人机交互
• 关键词: 精神健康, 自动化日记, 大型语言模型, 临床心理学, 聊天机器人, 患者记录

研究背景与问题

• 问题与挑战:

  1. 精神健康患者（特别是抑郁症患者）因情绪冷漠和认知负担，难以完成情感表达和日常记录。
  2. 传统的纸质日记往往参与度低，内容不够详细，患者表达困难，缺乏结构性。
  3. 现有的聊天机器人局限于规则驱动或检索式，无法很好地支持用户多样化的记录和自由对话。
  4. 大型语言模型（LLMs）虽然在生成开放领域对话中表现突出，但在临床环境中的安全性和可控性尚存担忧。

• 重要性: 日记记录可帮助患者整理思绪、释放情感，并提供实际的临床数据以支持心理健康专业人士（MHPs）更好地理解患者。然而，提高患者和专业人士在记录和分析过程中的参与度是一个长期挑战。

• 研究动机与相关工作:

  1. 利用LLMs可以拓展聊天机器人的自然互动能力，同时为患者的心理问题提供一种安全且有效的记录方式。
  2. 借助问答引导过程，同时通过对聊天内容的情绪和主题分析，为临床专业人士提供数据支持。

解决方案

• 方法或解决方案: 作者提出了MindfulDiary，这是一种基于大型语言模型的双模块支持系统，包含：

  1. 患者界面: 提供自然语言会话，帮助患者记录日常经历和情感，并自动生成篇章式日记摘要。
  2. 专家仪表盘: 可视化患者的日常记录，分析情绪变化、主要事件等，为临床医生访谈提供支持。

• 创新点:

  1. 利用状态机设计对语言模型生成的对话进行控制，通过“阶段式”对话设计（包括“关系构建、探索、收尾”阶段），确保互动合规且安全。
  2. 将LLMs的自然生成能力用于心理健康数据收集，与传统的开放式日记相比显著增加信息丰富度。
  3. 在患者记录中引入情绪与重要事件的自动分析，为医生提供额外的情境信息支持。

• 实施步骤与关键技术:

  1. 患者用户界面:
     • 在正式对话前完成心理健康问卷（如PHQ-9）评估。
     • 随笔对话分阶段进行，促进细致的情感记录。
     • 通过GPT-4自动生成总结文本，为用户提供回顾。
  2. 对话管道:
     • 设计了对话解析器（参与状态转移和摘要生成）和回应生成器（针对特定阶段生成对话信息）。
     • 使用状态机来确保生成内容的可控性与安全性。
  3. 临床仪表盘:
     • 提供患者的交互总结（如词云、事件摘要、情绪趋势等）及原始对话记录，辅助医生的决策与理解。
     • 警告潜在数据偏差，并引导医生验证LLM生成内容的准确性。

研究成果

• 具体成果:

  1. MindfulDiary在28位抑郁症患者和5名精神健康专家的四周田野测试中表现出：帮助患者提升记录习惯和细节表达，同时增强了医生对患者的认知与共情。
  2. 研究显示，患者在细节记录、多样化视角和成文总结上的提升，得益于聊天机器人引导的问题设计。
  3. 专家仪表盘帮助医生了解患者日常动态、情绪状态和重大事件，为诊疗决策提供数据支持。

• 相较现有方法的优势:

  1. 与单纯的记录工具相比，MindfulDiary通过互动式对话极大减轻了用户的认知负担，同时提供了更多维度的记录内容。
  2. 相较于基于规则的聊天机器人，MindfulDiary更灵活，更能捕捉突发或随机话题。
  3. 自动化摘要和分析功能节省了医生寻找关键信息的时间。

• 实验或评估:

  • 患者平均每天生成0.62条日记（共501条），参与频率稳步维持，表明系统能有效激励用户持续使用。
  • 问题引导策略（如情感探索、活动解析、深度跟进）帮助用户生成丰富内容。
  • 心理医生报告称，MindfulDiary帮助他们在患者访谈之外了解更多日常生活中的细节和趋势。

• 局限性与未来方向:

  1. 局限性:
     • 实验被局限在单一医院系统，样本群体以青少年为主，难以代表更广泛的患者。
     • GPT生成内容的潜在偏差和不准确仍然可能对临床结果造成影响。
  2. 未来方向:
     • 扩展研究至不同背景的用户和更复杂的心理健康问题。
     • 细化对LLM生成数据的验证机制，比如通过更多与心理健康专家合作开发测试标准。
     • 探索如何将患者-医生之间的互动与系统功能更紧密结合。