Characterizing psychological concerns in semi-structured healthcare conversations using conversational NLP and large language models

إن البشر في حالة تبادل مستمر لما هو أكثر من مجرد الكلمات؛ فهم يتشاركون حالات ذهنية، وأعباءً عاطفية، وإيقاعات اجتماعية من خلال تدفق المحادثة. ولعقود من الزمن، اعتمد متخصصو الصحة النفسية على استبيانات معيارية لقياس كيفية تعامل الشخص مع التفاعل الاجتماعي أو مقدار الضيق النفسي الذي يحمله. هذه الاستطلاعات، التي تُملأ بالقلم والورقة أو على الشاشة، تطلب من الناس تقييم مشاعرهم وسلوكياتهم بأنفسهم. ورغم فائدتها، إلا أن هذه الأدوات تلتقط لقطة ثابتة للإدراك الذاتي بدلاً من الواقع الديناميكي الحي للمحادثة أثناء حدوثها. فهي لا تستطيع سماع التردد في الصوت، أو تكرار القلق، أو الطرق الدقيقة التي يتواصل بها الإنسان — أو يفشل في التواصل بها — مع إنسان آخر. ومع تقدم التكنولوجيا، برز سؤال جديد في مجال علم النفس وعلوم الحاسوب: هل يمكننا تعليم الآلات الاستماع إلى الطريقة التي يتحدث بها الناس أثناء المقابلة السريرية، وفهم المشهد الاجتماعي والعاطفي للمتحدث من خلال الكلمات المنطوقة وحدها؟

يقع هذا السؤال في قلب دراسة حديثة أجراها باحثون في جامعة كريستيان الدولية ومستشفى هارتلاند شيجي سان في اليابان. أراد الفريق معرفة ما إذا كانت أدوات اللغة الحاسوبية الحديثة قادرة على تحليل نصوص المحادثات الحقيقية بين طبيب نفسي ومريض للكشف عن الأنماط الخفية المتعلقة بالتواصل الاجتماعي والضيق العاطفي. لم يكن هدفهم بناء آلة يمكنها تشخيص المريض أو استبدال الطبيب، بل طرحوا سؤالاً أكثر جوهرية: هل تحتوي الكلمات المحددة التي يختارها الناس، والمواضيع التي يطرحونها، وإيقاع حوارهم على أدلة قابلة للقياس حول حالتهم الذهنية؟ وللإجابة على ذلك، لجأوا إلى مجموعة من الأدوات تُعرف بمعالجة اللغات الطبيعية، والتي تسمح للحواسيب بقراءة وفهم النصوص البشرية، ونماذج اللغات الكبيرة، وهي أنظمة ذكاء اصطناعي متقدمة قادرة على تلخيص الأفكار المعقدة وتحديد الموضوعات في كميات هائلة من الكتابات.

جمع الباحثون مجموعة مكونة من 62 بالغاً في اليابان وطلبوا منهم المشاركة في محادثة شبه منظمة مع طبيب نفسي. لم تكن هذه الدردشات حرة التدفق، بل جلسات موجهة صُممت لتبدو مثل فحص روتيني قياسي. وكان الطبيب النفسي، الذي ظل غير مدرك للدرجات الشخصية للمشاركين في الاختبارات النفسية، يطرح أسئلة حول شعور الشخص، وما هي الأشياء الجيدة أو الصعبة التي حدثت خلال الأسبوع، وما هي المواضيع التي تشغل بالهم. استمرت المحادثات في المتوسط حوالي أحد عشر دقيقة. وخلال هذه الجلسات، أكمل المشاركون أيضاً استبيانين معروفين؛ أحدهما قاس مستوى الضيق النفسي لديهم، حيث سأل عن مشاعر التوتر واليأس وفقدان القيمة، والآخر قاس الاستجابة الاجتماعية، من خلال النظر في مدى قدرتهم على فهم الإشارات الاجتماعية، والحفاظ على العلاقات، والتفاعل مع الآخرين.

بمجرد تسجيل المحادثات وتحويلها إلى نصوص، قام الباحثون بتغذية هذه النصوص في نماذجهم الحاسوبية. وقاموا بتفكيك الحوار إلى أنواع عديدة ومختلفة من السمات. بعض هذه السمات كان بسيطاً، مثل عدد الكلمات التي تحدث بها المشارك مقارنة بالطبيب، أو مدى تنوع مفرداته. أما السمات الأخرى فكانت أكثر تعقيداً، حيث تقيس مدى تشابه كلمات وأفكار المشارك مع أفكار الطبيب النفسي. وتمثل الجزء الأكثر أهمية في تحليلهم في استخدام نموذج لغة كبير لقراءة النص الكامل لكل مشارك واستخراج "عناصر جدول أعمال" محددة. طُلب من الحاسوب تحديد ما إذا كان المشارك قد تحدث عن الاكتئاب، أو القلق، أو الأسرة، أو العمل، أو المستقبل، وتقييم مدى القلق الذي أعرب عنه تجاه كل موضوع. سمح هذا للباحثين بالانتقال من مجرد عد الكلمات إلى النظر في المحتوى النفسي الفعلي لما يقال.

كشفت النتائج عن وجود صلة واضحة بين ما يقوله الناس وبين درجاتهم في الاستبيانات. وكانت النتيجة الأكثر لفتاً للانتباه هي أن قدرة الحاسوب على تحديد مخاوف محددة، لا سيما تلك المتعلقة بالاكتئاب، كانت مرتبطة بقوة بدرجات المشاركين. فعندما اكتشف نموذج اللغة أن المشارك يعبر عن قلق كبير بشأن الاكتئاب، كان هذا الشخص يميل إلى الحصول على درجات أعلى في كل من استبيان الضيق النفسي واستبيان الاستجابة الاجتماعية. يشير هذا إلى أن الطريقة التي يتحدث بها الناس بشكل طبيعي عن معاناتهم تحتوي على إشارة مباشرة لحالتهم الداخلية. ومن المثير للاهتمام أن النماذج الحاسوبية كانت أفضل بكثير في التنبؤ بدرجات الضيق النفسي مما كانت عليه في التنبؤ بدرجات التواصل الاجتماعي؛ فبينما استطاعت النماذج رصد علامات الألم العاطفي بدقة معقولة، إلا أنها واجهت صعوبة في التقاط تفاصيل التفاعل الاجتماعي من النص وحده.

كما سلطت الدراسة الضوء على أن نوع المعلومات التي استخرجها الحاسوب كان له أهمية كبيرة. فالإجراءات البسيطة مثل مدى تشابه الكلمات بين الطبيب والمريض، أو عدد الكلمات المنطوقة، أظهرت روابط ضعيفة جداً مع نتائج الاستبيانات. لقد كان الفهم الدلالي الأعمق للمحادثة — أي القدرة على إدراك أن الشخص يتحدث عن "تقييم الذات" أو "القلق من المستقبل" — هو ما قدم الرؤية الحقيقية. ووجد الباحثون أنه عندما قاموا بدمج ملخصات الموضوعات عالية المستوى مع أعداد الكلمات الأساسية، تحسنت تنبؤات الحاسوب قليلاً، لكن الموضوعات نفسها كانت هي الأكثر وزناً. ويشير هذا إلى أن محتوى المحادثة أكثر كشفاً عن ضيق الشخص من البنية الميكانيكية لكلامه.

رغم هذه النتائج الواعدة، يحرص الباحثون على ملاحظة حدود عملهم. فالمجموعة التي درسوها كانت صغيرة نسبياً، وكانت الدراسة استكشافية، مما يعني أنها صُممت لمعرفة ما هو ممكن وليس لتقديم إجابة نهائية وحاسمة. لم تحقق النماذج الحاسوبية دقة مثالية، ويؤكد الباحثون أن هذه الأدوات ليست جاهزة للاستخدام كأجهزة تشخيصية في العيادات. كما أن الرابط القوي بين درجات الضيق والدرجات الاجتماعية يجعل من الصعب الفصل تماماً بينهما في البيانات؛ فمن المحتمل أن المحادثات كانت تعكس حالة عامة من عدم الارتياح أثرت على كلا المقياسين. علاوة على ذلك، اعتمدت الدراسة كلياً على النص، متجاهلة نبرة الصوت، وتعبيرات الوجه، والتواصل البصري، وهي عناصر حيوية أيضاً في التواصل البشري.

ومع ذلك، تقدم الدراسة لمحة مقنعة عن مستقبل تقييم الصحة النفسية. فهي تثبت أن الكلمات التي يختارها الناس في المحادثة ليست مجرد ضوضاء عشوائية، بل هي مهيكلة بطرق تعكس واقعهم النفسي. ومن خلال استخدام نماذج لغوية متقدمة للاستماع إلى موضوعات محددة مثل الاكتئاب أو القلق، يمكن للحواسيب أن تبدأ في قياس جوانب من التجربة الإنسية كانت في السابق متاحة فقط من خلال التقرير الذاتي الذاتي أو الملاحظة السريرية. ويقترح الباحثون أنه في المستقبل، يمكن لهذه التقنيات أن تساعد في إنشاء بيئات تدريب أكثر واقعية للمهنيين الصحيين، مما يسمح لهم بالتدرب على التواصل مع عملاء افتراضيين يظهرون أنماطاً متنوعة من السلوك الاجتماعي والعاطفي. أما في الوقت الحالي، فإن هذا العمل يقف كإثبات للمفهوم: إن القصص التي نرويها، حتى في المحادثات القصيرة والمنظمة، تحمل خريطة قابلة للقياس لحيواتنا الداخلية.