SSR: Can Simulated Patients Learn to Stigmatize Themselves? Modeling Self-Stigma through Internal Monologue

Resumen Técnico: Pacientes Simulados que Aprenden a Estigmatizarse a Sí Mismos mediante la Autorreflexión Estigmatizada (SSR)

Planteamiento del Problema
Las simulaciones actuales de Modelos de Lenguaje de Gran Escala (LLM) para el entrenamiento en salud mental a menudo no logran capturar la realidad matizada y sensible al contexto del autoestigma. Aunque los modelos existentes pueden simular pacientes, tienden a exhibir comportamientos uniformemente complacientes o uniformemente resistentes. Carecen de la capacidad de modelar el autoestigma como un proceso cognitivo interno y dinámico donde los pacientes internalizan estereotipos negativos, lo que conduce a una resistencia situacional, evitación, negación o autoculpa. Esta brecha se ve exacerbada por tres desafíos: la falta de integración entre los modelos psicológicos de autoestigma y los marcos computacionales, la ausencia de conjuntos de datos que vinculen las expresiones de los pacientes con su razonamiento interno subyacente, y la incapacidad técnica de los agentes actuales para modular dinámicamente la expresión del estigma basada en disparadores conversacionales.

Metodología
Los autores proponen un nuevo marco de simulación basado en el modelo psicológico 3A1H de la estigmatización de sí mismo de Corrigan (Conciencia, Acuerdo, Aplicación y Daño). El enfoque sigue un flujo de trabajo de tres etapas:

1. Extracción de Expresiones de Estigma: Los autores operacionalizan el autoestigma utilizando cinco manifestaciones conductuales derivadas de la literatura clínica: Evitación, Negación, Autoculpa, Defensividad y Preocupación Social. Utilizando GPT-5, anotan automáticamente los turnos de diálogo de corpus de salud mental existentes (por ejemplo, Alexander Street Transcripts, D4, Client Reaction, ESConv) para estas manifestaciones, asegurando la conciencia contextual al evaluar las expresiones junto con el historial del diálogo. También anotan los eventos vitales y síntomas asociados.
2. Construcción del Conjunto de Datos SSR: La innovación central es el conjunto de datos de Autorreflexión Estigmatizada (SSR). Para cada expresión etiquetada con estigma, el sistema genera un monólogo interno correspondiente que articula los pensamientos no expresados, impulsados por el estigma, que preceden a la expresión. Estos monólogos están estructurados para reflejar la progresión 3A1H (por ejemplo, "Todos dicen que las personas deprimidas son débiles... Me preocupa que puedan tener razón...") pero se expresan como cadenas de razonamiento fluidas y de estilo narrativo.
3. Entrenamiento con Cadena de Estigma: Los autores enmarcan la simulación del estigma como una tarea de generación condicional secuencial. Los modelos se ajustan utilizando un objetivo estándar de modelado de lenguaje para producir dos salidas en orden: primero, los "Pensamientos de la Cadena de Estigma" internos, y segundo, la respuesta externa del paciente. Esto obliga al modelo a aprender el mapeo desde el contexto hacia el razonismo interno, y desde ese razonamiento hacia una expresión verbal externa apropiada.

Contribuciones Clave

• Integración Teórica: El primer marco computacional que integra el modelo psicológico 3A1H para simular la progresión dinámica y por etapas del autoestigma en agentes pacientes.
• Conjunto de Datos SSR: Un recurso novedoso que vincula las expresiones de los pacientes con monólogos de estigma internos, creado mediante la aumentación de múltiples corpus de diálogo de salud mental.
• Validación del Desempeño: Demostración de que los modelos ajustados con el enfoque SSR superan significativamente a las bases especializadas (como UPSD4 y Patient-ψ) en la generación de respuestas auténticas, sensibles al contexto y con conciencia del estigma, calificadas por expertos.

Resultos
Las evaluaciones en conjuntos de prueba no utilizados (divididos en subconjuntos de Estigma y Neutros) utilizando backbones Llama-3.1-8B y Qwen3-8B arrojaron los siguientes hallazgos:

• Sensibilidad al Contexto (RQ1 y RQ2): Los modelos entrenados con SSR lograron puntuaciones más altas de F1 de Contexto de Estigma (CSF1), particularmente en la clase negativa (restricción en contextos neutros). A diferencia de las bases que a menudo sobreproducen estigma independientemente del contexto, los modelos SSR aprendieron a ajustar dinámicamente su expresión, mostrando alta sensibilidad a los disparadores mientras mantienen un comportamiento apropiado en conversaciones neutras.
• Autenticidad Clínica (RQ3):
  • Distribución: Los modelos SSR generaron una distribución equilibrada de tipos de estigma (por ejemplo, reduciendo la dependencia excesiva de la "Autoculpa" vista en las bases) que se alineaba más estrechamente con los datos clínicos reales.
  • Precisión Conductual: Los modelos SSR mostraron mejoras notables en la generación de comportamientos desafiantes como la Negación y la Defensividad, que las bases a menudo no lograban producir en absoluto.
  • Validez Psicométrica: Al ser calificados contra escalas establecidas (SSMIS e ISMI), los modelos SSR produjeron puntuaciones que indicaban niveles significativos de autoestigma (cambiando de "mínimo" a "leve-moderado" o "moderado-severo"), mientras que los modelos no-SSR permanecían en rangos mínimos.
  • Evaluación Humana: Evaluadores expertos (profesionales de la salud mental) calificaron a los modelos SSR con la mayor Autenticidad y el cambio más claro en los niveles de estigma percibido entre contextos neutros y de activación de estigma en comparación con todas las bases.
  • Análisis Lingüístico: El análisis LIWC confirmó que las respuestas de SSR exhibían un aumento del enfoque en sí mismo y una reducción de la apertura social, consistentes con los marcadores lingüísticos del estigma internalizado.

Significancia y Reivindicaciones
El artículo afirma que el marco SSR proporciona un paso crucial hacia simulaciones de pacientes realistas e informadas por la teoría para el entrenamiento clínico y los sistemas de diálogo empático. Al enseñar a los modelos a generar un razonamiento consciente del estigma interno antes de producir respuestas externas, el enfoque produce simulaciones que no son meramente "resistentes", sino que reflejan dinámicamente la naturaleza compleja y situacional del autoestigma.

Los autores posicionan explícitamente este trabajo como una herramienta orientada al entrenamiento en lugar de un instrumento clínico listo para su despliegue. Enfatizan que el objetivo es avanzar en la educación de clínicos empáticos y el desarrollo de sistemas de apoyo que comprendan mejor el impacto del autoestigma. El artículo mantiene una postura modesta, reconociendo limitaciones como la dependencia de GPT-5 para la anotación y la necesidad de un trabajo futuro para personalizar las simulaciones basadas en las historias individuales de los pacientes. Los autores subrayan que la herramienta está destinada estrictamente a la investigación y el entrenamiento bajo supervisión experta para evitar riesgos de mal uso, mala interpretación o el refuerzo de estereotipos.