深度学习可实现以心理治疗干预，患者语言和临床结果的关系理解

深度学习模型通过五项练习中的三项达到了人类水平的熟练程度，将超过33，000名接受在线治疗的谈话疗法患者的言语表达准确分类。

该模型是由Ieso Digital Health的研究人员开发和测试的，该公司是英国一家提供互联网功能的认知行为疗法（CBT）的提供商。

Michael Ewbank博士及其同事的研究成果于7月3日在线发表在Psychotherapy Research上。

在340个手动注释的会话记录本上训练了他们的算法。他们使用该系统将患者的话语自动分类为五个指定的文本类别中的一个或多个，从而发现它可以像人类一样出色地识别三个人。

作者在概述其研究目标时写道：“了解患者对心理治疗的反应对于制定有效的干预措施很重要。”“但是，对患者语言进行编码是一项资源密集型的练习，很难大规模执行。”

此外，研究小组发现患者的语言与其临床结果之间存在关联。

深度学习促进的自动注释的应用“提供了一种有效的方法，可以在基于文本的基于互联网的CBT期间获得对患者话语的分类，其规模超出了心理治疗研究的范围，为患者之间的正向和负向联系提供了证据话语类别和结果，”作者总结道。

他们补充说：“结合对治疗师语言的自动理解，深度学习可用于实现以数据为依据的对治疗干预，患者语言和临床结果之间关系的理解。