Использование больших языковых моделей (LLM) для выявления защитных механизмов в психотерапии

Введение

Защитные механизмы — это преимущественно бессознательные психологические процессы, которые помогают индивидам справляться с внутренними конфликтами или стрессовыми ситуациями путем регуляции аффектов, импульсов и представлений о себе (APA, 2013). Первоначально концептуализированные в рамках психоаналитической теории (Фрейд, 1937), защитные механизмы сегодня рассматриваются как ментальные операции, защищающие личность от чрезмерного психологического дистресса.

Для терапевта выявление этих механизмов критически важно для планирования интервенций, мониторинга прогресса и работы с сопротивлением. Однако анализ психотерапевтических сессий является трудоемким процессом, требующим высокой квалификации. В связи с этим, большие языковые модели (LLM) — сложные алгоритмы искусственного интеллекта, обученные на огромных массивах текстовых данных — могут стать эффективным инструментом поддержки клинициста.

Методология исследования

В данном исследовании оценивалась возможность использования ChatGPT и Gemini для классификации 12 защитных механизмов, сгруппированных по уровням зрелости (зрелые, невротические и незрелые защиты). Использовались транскрипты первых двух сессий психоаналитического лечения пациентки «Энни».

Ключевые этапы:

• Сегментация транскриптов на клинически значимые отрывки.
• Использование структурированного промпта (алгоритма команд для ИИ) для анализа каждого отрывка.
• Сравнение результатов ИИ с оценками профессиональных психотерапевтов (индивидуально и в ходе групповой супервизии).
• Расчет коэффициента внутриклассовой корреляции (ICC) — статистического показателя, определяющего надежность и согласованность между оценщиками.

Результаты и анализ эффективности

Исследование показало, что ИИ значительно ускоряет процесс первичного анализа (15 минут против 3,5 часов ручной кодировки). Однако были выявлены важные различия:

«LLM склонны к более частому выявлению защит, включая незрелые, что приводит к более низким показателям общего индекса защитного функционирования (ODF), тогда как клиницисты проявляют большую избирательность».

Основные выводы:

• Неоднородность моделей: ChatGPT и Gemini не показали высокой взаимозаменяемости, что говорит о необходимости осторожного подхода к автоматизации.
• Дополнительная ценность: В ряде случаев ИИ выявлял защитные механизмы, которые изначально были пропущены терапевтами, но после обсуждения в супервизии признавались клинически релевантными.
• Роль супервизии: LLM эффективны не как замена терапевта, а как «второй взгляд», стимулирующий клиническое мышление.

Технические термины и аббревиатуры

Для понимания материала важно расшифровать следующие термины:

• LLM (Large Language Models) — Большие языковые модели, основанные на нейронных сетях для обработки естественного языка.
• DMRS (Defense Mechanisms Rating Scale) — Шкала оценки защитных механизмов, золотой стандарт в психоаналитической диагностике.
• ODF (Overall Defensive Functioning) — Индекс общего защитного функционирования, суммарный показатель психологической зрелости защит пациента.
• ICC (Intraclass Correlation Coefficient) — Коэффициент внутриклассовой корреляции, используемый для оценки надежности согласия между несколькими экспертами.
• Промпт (Prompt) — Инструкция или текстовый запрос, направляемый пользователем к языковой модели.

Заключение: роль ИИ в будущей практике

Результаты подтверждают, что интеграция LLM в практику психотерапии технически осуществима. Модели могут значительно сэкономить время, предлагая гипотезы для обсуждения в супервизии. Тем не менее, искусственный интеллект не может заменить человеческое суждение или терапевтические отношения. Текущие разработки подчеркивают, что LLM должны использоваться исключительно под руководством профессионала для поддержки принятия решений, а не для постановки диагнозов или автоматизированного лечения.