探索用于心理治疗中治疗作业支持的可定制交互工具
作者
大语言模型(LLM)的人机协作AI 辅助决策与自动化系统心理健康应用与在线支持社区精神科医生与心理咨询师医生、护士、临床医生AI/ML 研究员与工程师
文献标题
Exploring Customizable Interactive Tools for Therapeutic Homework Support in Mental Health Counseling
出版信息
- 主题领域: 面向治疗师的人工智能工具在心理健康咨询中的应用。
- 关键词: 治疗性作业、心理健康咨询、生成式人工智能、面向治疗师的工具、认知卸载、定制化、临床工作流程、人工智能信任、人类监督、伦理人工智能。
背景与问题
- 问题/挑战: 治疗师在整合分散的客户作业数据时面临认知负担,这些数据通常分布在纸质工作表、口头报告和基于应用程序的提交中。现有工具无法有效整合和总结这些数据。
- 重要性: 高效跟踪和解释治疗性作业对改善客户结果至关重要,使治疗师能够专注于临床洞察而非行政任务。
- 动机与相关研究: 先前的研究探索了面向客户的移动健康工具和面向治疗师的实践管理系统,但很少关注治疗师在整合多种格式作业数据方面的需求。生成式人工智能在类似任务(如进度记录生成)中显示出潜力,但其在面向治疗师的作业审查中的应用尚未被深入研究。
解决方案
- 提出的方法: TheraTrack,一种面向治疗师的可定制工具,能够整合多维数据,并利用大型语言模型(LLMs)生成可追溯的摘要并支持自然语言查询。
- 创新点:
- 将分散的作业输入集中整合到一个交互式仪表板中。
- 根据治疗师的临床目标和治疗模式定制小部件。
- 基于生成式人工智能的摘要和聊天助手,用于高效整合和基于查询的客户数据探索。
- 流程和关键技术:
- 需求定义: 治疗师完成入门调查,以指定跟踪作业和临床评估的偏好。
- 选择小部件: 治疗师选择相关小部件,例如作业进度图表、生成式人工智能摘要和评估跟踪器。
- 显示定制仪表板: 仪表板整合了作业趋势、评估结果和可选的生物数据,并通过生成式人工智能功能实现可追溯的摘要和交互式查询。
结果
- 具体发现:
- 79%的治疗师认为生成式人工智能摘要减少了他们的工作量。
- 64%的治疗师认为图表和指标视觉上清晰。
- 50%的治疗师对长期集成表现出强烈的热情。
- 相较基线的优势: TheraTrack 减少了认知负担,使治疗师能够验证人工智能生成的洞察,并提供了客户数据的集中视图,从而解决了当前工作流程中的分散性和低效率问题。
- 实验/评估:
- 使用模拟客户数据对14名治疗师进行了试点研究。
- 方法包括“边想边做”探索、半结构化访谈和李克特量表调查。
- 评估了可用性、感知有用性、信任度和定制化。
- 局限性与未来工作:
- 样本量较小可能限制结果的普适性。
- 研究主要聚焦于治疗师视角,尚未探索客户视角。
- 实际应用和长期使用可能揭示其他挑战。
- 当前设计针对特定作业跟踪场景,需适应更广泛的治疗背景。
总结
TheraTrack 是一款面向治疗师的人工智能工具,旨在通过将分散的数据整合到一个集中、可定制的仪表板中,简化治疗性作业的审查和解释。借助生成式人工智能实现摘要和查询功能,该工具减轻了认知负担,提升了会话准备效率,并支持临床意义的构建。试点研究结果显示,治疗师对该工具的可用性、感知有用性和信任度评价较高,定制化功能使其能够灵活融入多样化的工作流程。未来研究应探索长期应用、客户视角以及在更广泛治疗实践中的适应性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
将诊前体验数字化:影响与设计建议
CHI '26· 大语言模型(LLM)的人机协作 +2
- 100%
迈向更优质的健康对话:情境寻求的益处
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
MindfulDiary:利用大型语言模型支持精神疾病患者的日记记录
CHI '24· 大语言模型(LLM)的人机协作 +2
- 71%
面向灵活精神科病史采集与可视化:基于大语言模型的临床医生视角探索
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
超越决策支持:探索患者在真实医疗环境中对大语言模型的长期使用
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
角色分配:人机协作决策中大语言模型角色原型研究
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
探索AI在临床协作中的未来:肿瘤会诊病例准备研究
CHI '26· 大语言模型(LLM)的人机协作 +3
- 67%
LLM作为评判者方法在专家知识任务评估中的局限性
IUI '25· 大语言模型(LLM)的人机协作 +1
- 63%
高精度与隐藏差距:基础模型在临床认知评估中的表现研究
CHI '26· 可解释人工智能(XAI) +3
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790569
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、AI 辅助决策与自动化系统、心理健康应用与在线支持社区
work
职业/产业
精神科医生与心理咨询师、医生、护士、临床医生、AI/ML 研究员与工程师
article
内容状态
已索引正文
hub
相关论文
9 篇相关论文