Early Working Alliance Mediates the Association between Engagement and Outcomes among Users of an AI Mental Health Conversational Agent: A Secondary Hierarchical Clustering Analysis of a Randomized Controlled Trial
تُظهر هذه الدراسة أن التحالف العملي المبكر، وليس حجم المشاركة السلوكية المستمرة، يتوسط بشكل كامل العلاقة بين التفاعل مع المستخدم والنتائج السريرية في وكيل محادثة للصحة النفسية يعمل بالذكاء الاصطناعي، مما يشير إلى أن استراتيجيات التهيئة التي تعزز تكوين التحالف هي أكثر أهمية لتحسين الأعراض من مجرد زيادة وتيرة الاستخدام.
المؤلفون الأصليون:Valerie L. Forman-Hoffman, Nico Roever¹˒², Jonathan Winter³, Matan Rubin⁴, Dustin Klebe¹, Lukas Wolf¹, Jie-Ming Li¹, Patricia Arean¹
في عالم الصحة النفسية الرقمية المتوسع، ظل هناك لغز مستمر يتحدى الباحثين والمطورين على حد سواء: لماذا يجد بعض الأشخاص راحة عميقة في تطبيق على الهاتف الذكي بينما يقوم آخرون بتنزيل الأداة نفسها، ويستخدمونها لبضعة أيام، ثم يهجرونها دون الشعور بالتحسن؟ لسنوات، عملت الصناعة بناءً على افتراض بسيط — وهو أن كلما زاد استخدام الشخص للتطبيق، كانت نتائجه أفضل. يشير هذا المنطق إلى أنه إذا فتح المستخدم التطبيق بشكل متكرر، وقضى جلسات طويلة، وأكمل كل التمارين، فإنه يسير في طريق مباشر نحو الشفاء. ومع ذلك، فإن هذه الرؤية تغفل عن عنصر بشري حاسم كان محورًا أساسيًا في العلاج التقليدي لعقود من الزمن: العلاقة بين الشخص الذي يطلب المساعدة ومصدر تلك المساعدة. في الاستشارات وجهًا لوجه، تُعرف هذه الصلة بـ "التحالف العلاجي"، وهي رابطة مبنية على الثقة، والأهداف المشتركة، والاتفاق على الأساليب المستخدمة لتحقيق التغيير. إنها الفهم الهادئ بأن المعالج والعميل في الفريق نفسه. ومع دخول الذكاء الاصطناعي إلى مجال الصحة النفسية، مقدمًا الدعم من خلال روبوتات الدردشة والمساعدات الصوتية، يبرز سؤال جوهري: هل يمكن للآلة أن تشكل هذا النوع من التحالف، وإذا فعلت، فهل تهم هذه العلاقة أكثر من مجرد عدد المرات التي ينقر فيها المستخدم على زر ما؟
وضع فريق من الباحثين نصب أعينهم الإجابة على هذه الأسئلة من خلال دراسة تطبيق محدد للدعم العاطفي القائم على الذكاء الاصطناعي يسمى "سونيا" (Sonia). قاموا بتجنيد مائتي بالغ في الولايات المتحدة يعانون من قلق كبير، وخصصوهم لاستخدام التطبيق لمدة أربعة أسابيع. وبدلاً من مجرد عد عدد المرات التي فتح فيها كل شخص التطبيق أو المدة التي قضاها في تسجيل الدخول، بحث الباحثون عن أنماط. لقد جمعوا كمًا هائلًا من البيانات، وتتبعوا السلوكيات اليومية مثل التدوين، والتأمل في اليوم، وإجراء محادثات مع الذكاء الاصطناعي، بينما سألوا المستخدمين أيضًا عن مدى اتفاقهم مع أهداف التطبيق، ومدى ثقتهم في أساليبه، ومدى شعورهم بالارتباط به. ومن خلال تحليل هذه السلوكيات والمشاعر معًا، اكتشف الباحثون أن المستخدمين لم ينقسموا إلى مجموعة واحدة من الأشخاص "النشطين" أو "غير النشطين". بدلاً من ذلك، ظهرت أربعة ملفات تعريف متميزة: "المستخدمون المتقطعون" الذين جربوا التطبيق لفترة وجيزة ثم توقفوا؛ و"مستخدمو الجلسات المتوسطة" الذين تفاعلوا بانتظام ولكن مع عدد قليل من الميزات فقط؛ و"المستخدمون المتفاعلون مع ميزات متعددة" الذين استخدموا التطبيق باستمرار عبر العديد من الأدوات المختلفة؛ و"المستخدمون المفرطون" الذين حافظوا على مستويات عالية من النشاط طوال الشهر بأكمله.
ثم فحص الباحثون ما تعنيه هذه الأنماط المختلفة لصحة المستخدمين النفسية. بحثوا فيما إذا كان الأشخاص الذين استخدموا التطبيق أكثر قد شهدوا أكبر انخفاض في درجات القلق والاكتئاد لديهم. ومن المثير للدهشة أن البيانات أظهرت أن حجم الاستخدام لم يتنبأ بالتحسن السريري. فالشخص الذي استخدم التطبيق بكثافة لم يكن بالضرية أكثر عرضة للشعور بالتحسن من الشخص الذي استخدمه قليلاً فقط. في الواقع، سجلت المجموعات التي استخدمت التطبيق أكثر رضا أكبر وكانت أكثر عرضة للتوصية بالتطبيق للآخرين، لكن أعراض القلق والاكتئاب الفعلية لديهم تحسنت بنفس معدل أولئك الذين استخدموه أقل. تشير هذه النتيجة إلى أنه بالنسبة لهذا النوع من الأدوات، فإن مجرد تسجيل ساعات أكثر لا يؤدي إلى الشفاء. المفتاح للتحسن يكمن في مكان آخر.
وعندما تعمق الباحثون، وجدوا آلية محتملة تعمل في الخلفية: "التحالف العلاجي المبكر". وهذا هو الشعور بالاتصال والاتفاق الذي يشعر به المستخدم مع الذكاء الاصطناعي في وقت مبكر جدًا من العملية. كشفت الدراسة أن هذه العلاقة، التي تأسست خلال الأسبوع الأول من الاستخدام، قد تعمل كمسار يؤدي من خلاله التفاعل السلوكي إلى تحسين الأعراض. ومع ذلك، أشار الباحثون إلى أن الدراسة لم تكن كبيرة بما يكفي لتأكيد هذا الارتباط بشكل قاطع، وأن نتائج الوساطة هذه يجب النظر إليها كدراسة استكشافية ومولدة للفرضيات وليس كحقيقة نهائية. بعبارة أخرى، تشير البيانات إلى أن استخدام التطبيق ساعد الناس على الشعور بالتحسن بشكل أساسي من خلال تكوين اتصال قوي وموثوق بالذكاء الاصطناعي، لكن هذا الاستنتاج يتطلب مزيدًا من التأكيد. فإذا فتح المستخدم التطبيق مرات عديدة ولكنه لم يشعر أبدًا أن الذكاء الاصطناعي يفهمه أو أن أساليبه صحيحة بالنسبة له، فإن تلك النقرات الإضافية لم تترجم إلى شفاء. وجد الباحثون أن جودة هذا الاتصال الأولي كانت أكثر أهمية بكثير من مدى تغير العلاقة بمرور الوقت. فبمجرد أن شعر المستخدم بالثقة والهدف المشترك في الأسبوع الأول، ظل هذا الشعور مستقرًا وقاد تقدمه لبقية الشهر.
نظرت الدراسة أيضًا في من هم الأكثر عرضة للوقوع في كل مجموعة من المجموعات الأربع. وتبين أن شدة قلق الشخص في البداية لم تتنبأ بكيفية تفاعله مع التطبيق. بدلاً من ذلك، لعبت العوامل الديموغرافية دورًا أكبر. فكان البالغون الأكبر سنًا وأولئك الذين يتمتعون بمستويات تعليم أعلى أكثر عرضة لأن يصبحوا مستخدمين مستمرين ومتعددي الميزات ويشكلون تحالفات قوية. يشير هذا إلى أن خطر التسرب من برنامج الصحة النفسية الرقمية قد يتم تحديده من خلال معلومات خلفية بسيطة بدلاً من الأعراض السريرية. وأشار الباحثون إلى أنه بينما كانت نتائجهم واعدة، إلا أن الدراسة لم تكن كبيرة بما يكفي لاعتبارها إثباتًا نهائيًا وحاسمًا، ويجب النظر إلى النتائج كإشارة قوية وليس كحقيقة مستقرة. ومع ذلك، كان النمط واضحًا بما يكفي لتغيير التركيز على كيفية بناء هذه الأدوات.
إن تداعيات هذه النتائج كبيرة لمستقبل الصحة النفسية الرقمية. لفترة طويلة، ركز مطورو المنتجات على إبقاء المستخدمين في التطبيق لأطول فترة ممكنة، معتقدين أن المزيد من الوقت يعني صحة أفضل. تقترح هذه الدراسة أن اللحظة الأكثر حسمًا ليست في منتصف الشهر أو نهاية البرنامج، بل في البداية تمامًا. الأسبوع الأول من التفاعل هو المكان الذي تُصاغ فيه العلاقة. إذا تمكن التطبيق من مساعدة المستخدم على الشعور بأنه مفهوم ومقتنع بأن أساليبه موثوقة منذ البداية، فإن هذا الاتصال الأولي قد يحمله نحو نتيجة أفضل. وإذا كان هذا الاتصال مفقودًا، فلن يعوض أي قدر من الاستخدام الإضافي عن ذلك. يبدو أن طريق الشفاء في عالم يقوده الذكاء الاصطناعي يعتمد أقل على كمية التفاعل وأكثر على جودة المصافحة الأولى.
ملخص تقني: التحالف العلاجي المبكر يتوسط العلاقة بين الانخراط والنتائج لدى مستخدمي وكيل محادثة ذكاء اصطناعي للصحة النفسية
بيان المشكلة تعاني التدخلات الرقمية للصحة النفسية من "مفارقة انخراط" واسعة الانتشار: فبينما يتسم انخراط المستخدمين بالتباين، حيث ينسحب العديد منهم في وقت مبكر، غالبًا ما تجمع الأبحاث القياسية البيانات عبر جميع المستخدمين. هذا التجميع يحجب الاختلافات الجوهرية بين المجموعات الفرعية ويفشل في التمييز بين الاستمرارية السلوكية (كمية الاستخدام) والمنفعة العلاجية. تشير الأدبيات السابقة إلى أن المقاييس السلوكية البسيطة (مثل تكرار الجلسات، إجمالي مرات الفتح) لا تتنبأ باستمرار بالتحسن السريري. علاوة على ذلك، فقد خلط المجال بشكل كبير بين الاستمرارية السلوكية والمنفعة العلاجية، متجاهلاً احتمال أن "جودة" الانخراط — وتحديدًا تكوين تحالف عمل — قد تكون هي الآلية الحرجة التي تربط الاستخدام بخفض الأعراض. وبينما يعد التحالف العلاجي متنبئًا قويًا بالنتائج في العلاج النفسي البشري، فإن دوره كمسار ميكانيكي في التدخلات التي يقدمها الذكاء الاصطناعي لا يزال غير مدروس، لا سيما فيما يتعلق بما إذا كانت مقاييس فرعية معينة للتحالف (الهدف، المهمة، الرابطة) هي التي تقود النتائج، وما إذا كان التحالف يعمل كوسيط أم كمتغير معدل.
المنهجية تقدم هذه الدراسة تحليلًا ثانويًا لتجربة عشوائية محكومة (RCT) ذات أذرع متوازية استمرت لمدة أربعة أسابيع، وتضمنت 400 مشارك، مع التركيز حصريًا على الـ 200 مشارك الذين تم تخصيصهم لعضوية وكيل المحادثة الذكي "Sonia".
جمع البيانات: أكمل المشاركون التقييمات في خط الأساس وأسبوعيًا (الأسبوع 1، 2، و4). استخدمت الدراسة 40 متغيرًا لحل التجميع الأساسي: 28 مؤشرًا سلوكيًا يوميًا من الأسبوع الأول، و9 تجميعات سلوكية أسبوعية من الأسابيع 2-4، و3 درجات للمقاييس الفرعية لمقياس (WAI-SR) (الهدف، المهمة، الرابطة) التي تم تقييمها في الأسبوع الأول.
تحليل التجميع (Clustering): لتوصيف تباين الانخراط، طبق المؤلفون التجميع الهرمي التراكمي (بإستخدام رابطة وارد - Ward's linkage) على مجموعة البيانات المكونة من 40 متغيرًا. ولتجنب الدورانية في الاختبار الميكانيكي اللاحق، تم إجراء "تجميع سلوكي فقط" (باستخدام المتغيرات السلوكية الـ 37، باستثناء WAI). واستُخدمت تسميات المجموعات الناتجة من حل التجميع السلوكي فقط كمتغير تعرض فئوي لجميع تحليلات الوساطة.
النمذجة الإحصائية:
الهدف 1 (التوصيف): استُخدمت نماذج الانحدار اللوجستي وانحدار المربعات الصغرى العادية (OLS) مع تصحيح معدل الاكتشاف الخاطئ (FDR) لاختبار الاختلافات في النتوات السريرية (الفرق السريري المهم - MCID لـ PHQ-8 وGAD-7) ونتائج تجربة المستخدم (الرضا، احتمالية التوصية) عبر المجموعات. وحدد الانحدار اللوجستي متعدد الحدود المتنبئات الأساسية لعضوية المجموعات.
الهدف 2 (الآلية): اختبر تحليل الوساطة السببية القائم على التمهيد (5,000 تكرار) ما إذا كانت درجات WAI في الأسبوع الأول تتوسط العلاقة بين الانخراط السلوكي (فتحات التطبيق في الأسبوع 1) وتغير الأعراض في الأسبوع الرابع. واختبرت تحليلات التعديل ما إذا كانت مستويات WAI تغير قوة العلاقة بين الانخراط والنتائج.
تحليلات الحساسية: أُعيد تشغيل النماذج باستخدام إجمالي الانخراط لمدة أربعة أسابيع كمتنبئ، كما اختبرت النماذج المتزامنة مستوى WAI (الأسبوع 1) مقابل مسار WAI (التغير من الأسبوع 1 إلى 2) لتحديد ما إذا كان الاستقرار أو التغير هو ما يقود النتائج.
النتائج الرئيسية
ملفات تعريف الانخراط: تم تحديد أربع مجموعات متميزة من الانخراط:
المستخدمون المتقطعون (29%): انخراط منخفض وغير مستمر؛ أدنى درجات WAI.
مستخدمو الجلسات المتوسطة (40%): انخراط متوسط على مستوى الجلسة، يتركز في الأسبوعين 1 و2.
مستخدمو الميزات المتعددة المنخرطون (24.5%): استخدام مستمر لميزات المحادثة، والتدوين، والتأمل؛ درجات تحالف قوية.
المستخدمون المفرطون (6.5%): أعلى مستويات الانخراط المستدام عبر جميع النقاط الزمنية؛ أعلى درجات WAIs.
النتائج حسب المجموعة: تنبأت عضوية المجموعة بنتائج تجربة المستخدم بشكل كبير. سجل مستخدمو "الميزات المتعددة المنخرطون" و"الجلسات المتوسطة" مستويات رضا أعلى بكثير واحتمالية توصية أكبر مقارنة بـ "المستخدمين المتقطعين" (بفارق حوالي 14 نقطة). ومع ذلك، لم تتنبأ عضوية المجموعة بتحسن الأعراض السريرية (PHQ-8 أو GAD-7 MCID) بعد تصحيح FDR.
المتنبئات الديموغرافية: تم التنبؤ بعضوية المجموعة من خلال العمر والتعليم (العمر الأكبر والتعليم العالي تنبأ بمجموعات الانخراط الأعلى) ولكن ليس من خلال شدة الأعراض الأساسية (PHQ-8 أو GAD-7).
نتائج الوساطة: في التحليل الأساسي، أنتجت جميع نماذج الوساطة الثمانية (4 وسطاء WAI × نتيجتان) تأثيرات غير مباشرة مميزة (bootstrapped indirect effects) مع فترات ثقة 95% تستبعد الصفر، مما يشير إلى وساطة كاملة حيث أصبح التأثير المباشر للانخراط غير معنوي عند إدراج WAI.
أظهر كل من التركيب العام لـ WAI و الهدف أكبر نسبة من الوساطة (حوالي 40-51%).
أظهر WAI المهمة أكبر قدر من المتانة الزمنية، حيث ظل معنويًا في تحليلات الحساسية المتوافقة زمنيًا حيث تضاءلت المقاييس الفرعية الأخرى.
كان WAI الرابطة معنويًا في النماذج الأساسية ولكنه لم يصمد في مواصفات التوافق الزمني الكامل.
تنبيه بشأن القوة الإحصائية: أشار المؤلفون صراحةً إلى أن القوة الإحصائية اللاحقة للوساطة الأساسية كانت دون المعايير المتعارف عليها (62.1% لـ PHQ-8، و35.1% لـ GAD-7). بناءً على ذلك، يجب تفسير نتائج الوساطة على أنها استكشافية وتوليدية للفرضيات وليست تأكيدية. بالإضافة إلى ذلك، أظهرت تحليلات الحساسية باستخدام إجمالي الانخراط لمدة أربعة أسابيع أنه بينما ظلت 7 من أصل 8 نماذج معنوية، فإن أحد النماذج (WAI Task × GAD-7) كان الحد العلوي لفترة الثقة فيه يلامس الصفر، مما يشير إلى معنوية حدية في بعض المواصفات.
المستوى مقابل المسار: كشفت التحليلات التي قارنت مستوى WAI (الأسبوع 1) مقابل تغير WAI (من الأسبوع 1 إلى 2) أن المستوى الأولي للتحالف تنبأ باستمرار بالنتائج، بينما لم يتنبأ التغير في التحالف عبر الوقت بالنتائج.
التعديل: لم يعد أي مقياس فرعي لـ WAI معنويًا في تعديل العلاقة بين الانخراط والنتائج؛ إذ لم تختلف فائدة الانخراط بناءً على مستويات التحالف.
المساهمات الرئيسية والأهمية يدعي البحث ثلاث مساهمات رئيسية في مجال الصحة النفسية الرقمية:
الفصل بين حجم الانخراط والنتيجة السريرية: تقدم الدراسة دليلًا على أن عمق الانخراط السلوكي يتنبأ بالرضا عن تجربة المستخدم والاحتفاظ بالمستخدم، ولكنه لا يتنبأ مباشرة بتحسن الأعراض السريرية. بدلاً من ذلك، يبدو أن المنفعة السريرية تتحقق من خلال نموذج "الاتصال القصير"، حيث يمكن حتى للانخراط القصير أن يحقق MCID، بشرط تفعيل آلية محددة.
تحديد التحالف العلاجي المبكر كآلية: تشير الدراسة إلى أن التحالف العلاجي المبكر (الذي يتشكل في الأسبوع الأول) هو الآلية الأساسية التي يترجم من خلالها الانخراط السلوكي إلى تحسن في الأعراض. وتشير النتائج إلى أن الانخراط يؤثر على النتائج من خلال إنشاء هذا التحالف، رغم أن نتائج الوساطة هذه استكشافية بسبب قيود حجم العينة.
الاستقرار الزمني للتحالف: خلافًا للنماذج التي تقترح أن التحالف يتعمق خطيًا بمرور الوقت، تشير البيانات إلى أن التحالف يتشكل مبكرًا (الأسبوع 1) ويظل مستقرًا. إن جودة هذه العلاقة الأولية، وليس مسارها، هي التي تحدد النتائج السريرية.
ادعاءات الأهمية يخلص المؤلفون إلى أن جهود تطوير المنتجات التي تهدف فقط إلى تعظيم حجم الانخراط المستدام (مثل التنبيهات لزيادة تكرار الجلسات) قد لا تحسن النتائج السريرية. بدلاً من ذلك، فإن "الرافعة السريرية الحرجة" هي تجربة التهيئة (onboarding). ويُفترض أن التدخلات المصممة لتعزيز التحالف العلاجي المبكر — وتحديدًا من خلال تعزيز تأييد المستخدم لأهداف ومنهجيات الذكاء الاصطناعي (مقاييس المهمة والهدف) وترسيخ المصداقية في الأسبوع الأول — هي أكثر أهمية للنتائج السريرية من الاستراتيجيات التي تركز على زيادة حجم الاستخدام. تشير الدراسة أيضًا إلى أن العوامل الديموغرافية (العمر، التعليم) قد تكون أكثر فائدة من شدة الأعراض لتحديد المستخدمين المعرضين لخطر عدم الانخراط، مما يسمح بدعم تهيئة مستهدف واستباقي.
ملاحظة: يذكر المؤلفون صراحةً أنه نظرًا لأن هذه الدراسة هي تحليل ثانوي بقوة إحصائية لاحقة أقل من المعايير المعتادة (62.1% لـ PHQ-8، و35.1% لـ GAD-7)، فيجب تفسير نتائج الوساطة على أنها استكشافية وتوليدية للفرضيات وليست تأكيدية.