AutoPsyC: Automatic Recognition of Psychodynamic Conflicts from Semi-structured Interviews with Large Language Models
Created by
Haebom
저자
Sayed Muddashir Hossain, Simon Ostermann, Patrick Gebhard, Cord Benecke, Josef van Genabith, Philipp Muller
개요
본 논문에서는 대규모 언어 모델(LLM)을 활용하여 정신역동적 갈등을 자동으로 인식하는 새로운 방법인 AutoPsyC를 제안합니다. AutoPsyC는 90분 분량의 운영화된 정신역동적 진단(OPD) 면접 전문을 효과적으로 처리하기 위해 매개변수 효율적인 미세 조정과 검색 증강 생성(RAG), 요약 전략을 결합합니다. 기존의 자동화된 정신과 진단 방법들이 주로 우울증과 같은 광범위한 질환 범주 인식에 초점을 맞춘 것과 달리, AutoPsyC는 환자조차 의식하지 못할 수 있는 정신역동적 갈등을 대화 내용으로부터 자동 인식하는 데 중점을 둡니다. 141건의 진단 면접 데이터셋을 사용한 평가에서 AutoPsyC는 네 가지 중요한 정신역동적 갈등의 인식에 있어 모든 기준 및 절제 조건을 능가하는 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용하여 정신역동적 갈등을 자동으로 진단하는 새로운 가능성을 제시합니다.
◦
기존의 수동적이고 시간이 많이 소요되는 진단 방식을 대체할 수 있는 자동화된 시스템 개발의 발판을 마련합니다.
◦
정신역동적 갈등의 자동 인식을 통해 더 효과적인 환자 치료에 기여할 수 있습니다.
•
한계점:
◦
현재는 141건의 데이터셋으로 평가되었으므로, 더 큰 규모의 데이터셋을 이용한 추가적인 검증이 필요합니다.
