Voor mensen die worstelen met het overwinnen van hun verslaving, goede therapie kan enorm heilzaam zijn. Maar slechte therapie is erger dan helemaal geen therapie.

De uitdaging is om het verschil te kunnen zien. Praktijkbegeleiders krijgen zelden feedback, dus het is moeilijk voor hen om te weten of ze hun patiënten een optimale behandeling bieden.

Noordoost-professor Tad Hirsch werkt eraan om dat te veranderen. Hij heeft een systeem ontwikkeld dat counselingsessies registreert en beoordeelt, het genereren van een rapport voor therapeuten.

De technologie wordt al gebruikt bij een universitaire opleidingskliniek en een netwerk van behandelcentra voor opioïdenverslaving. Eenmaal opgeschaald, het systeem zou een nieuwe zorgstandaard voor therapie kunnen creëren en leiden tot een betere geestelijke gezondheid van patiënten over de hele wereld.

Zo werkt het:Hirsch en zijn medewerkers begonnen met het opnemen van 356 counselingsessies. Van die sessies ze haalden er 300 uit, 000 verklaringen en verzamelde ze in een database. Toen kamde een team van psychologie-experts de uitspraken door en codeerde ze.

Coderen is een analytisch proces waarin gegevens worden gecategoriseerd. In dit geval, de experts codeerden uitspraken op basis van hoe nauw ze overeenkwamen met technieken die worden gebruikt in motiverende gespreksvoering, een vorm van psychotherapie.

Volgende, onderzoekers gebruikten de gecodeerde dataset om een ​​machine learning-model te trainen. Dit is een vorm van kunstmatige intelligentie. Zodra het model is getraind, het resultaat is een systeem dat een counselingsessie kan opnemen, maak een transcriptie van wat er is gezegd, analyseer de transcriptie, beoordeel de sessie, en specifieke feedback te geven aan clinici.

Met andere woorden, een computer evalueert therapeuten en vertelt hen hoe ze kunnen verbeteren.

Hoe reageren therapeuten als ze door een machine worden beoordeeld? Hirsch en zijn medewerkers hebben onlangs een onderzoek afgerond om erachter te komen, het testen van de technologie met 21 counselors. De resultaten waren overwegend positief.

"We vonden dat over de hele linie, ze zagen allemaal waarde in wat we deden, " zei Hirsch, een professor in design aan Northeastern wiens onderzoek zich richt op de kruising van design, Engineering, en sociale rechtvaardigheid.

"Clinici beschreven de technologie als nauwkeurig, inzichtelijk, en nuttig. Ze vonden de tool ook bijzonder waardevol voor training, als een manier om feedback te geven aan counselors terwijl ze gecertificeerd werden, ' zei Hirsch.

Therapeuten spraken ook een hoge mate van vertrouwen uit in het machine learning-model. Hirsch zei dat dit waarschijnlijk is omdat de vooruitgang in kunstmatige intelligentie uitgebreid in het nieuws is behandeld. en het publiek heeft over het algemeen een positief beeld van de technologie. Plus, zoals Hirsch zei dat een therapeut het uitdrukte:"Het is moeilijk om ruzie te maken met een computer."

En hoewel het machine learning-model therapiesessies evalueert met een nauwkeurigheid van ongeveer 90 procent in vergelijking met een menselijke expert, Hirsch waarschuwt dat het systeem niet onfeilbaar is. En de inzet is hoog.

"Dit is anders dan wanneer Netflix een filmaanbeveling doet die je toevallig niet leuk vindt, Hirsch zei. Hij moedigt therapeuten aan om hun mening te geven als ze het niet eens zijn met de beoordeling van de machine en om het rapport te gebruiken als springplank om hun praktijk aan te scherpen.

"Als ontwerpers, we willen ervoor zorgen dat de voorspellingen die onze modellen doen gecontextualiseerd zijn, zodat mensen kunnen begrijpen hoe deze systemen goed genoeg werken om bevindingen en resultaten die ze mogelijk zien te interpreteren, in plaats van ze gewoon tegen de nominale waarde aan te nemen, ' zei Hirsch.