तकनीकी सारांश: मनोचिकित्सा प्रशिक्षण के लिए अनुभवजन्य रूप से आधारित अनुकूली आभासी रोगी (The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training)

समस्या विवरण

लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग मनोचिकित्सा सूक्ष्म-कौशल (micro-skills), जैसे कि सहानुभूतिपूर्ण प्रतिक्रिया और अन्वेषणात्मक जांच (exploratory probing) के प्रशिक्षण के लिए वार्ताकार एजेंटों के रूप में तेजी से किया जा रहा है। हालाँकि, वर्तमान प्रणालियाँ एक गंभीर सीमा का सामना करती हैं: वे या तो निश्चित स्क्रिप्ट पर निर्भर करती हैं जो टर्न-दर-टर्न अनुकूलन को रोकती हैं, या वे स्थिर 'परसोना प्रॉम्प्ट्स' वाले LLMs का उपयोग करती हैं जो लंबे सत्रों के दौरान अप्रत्याशित रूप से भटक जाते हैं। यद्यपि एजेंट रोगियों की तरह लग सकते हैं, वे अक्सर उन आकस्मिक, विकसित होने वाली अवस्था परिवर्तनों को प्रदर्शित करने में विफल रहते हैं जो यथार्थवादी प्रशिक्षण के लिए आवश्यक हैं। विशेष रूप से, एक यथार्थवादी चिकित्सा सत्र में एक ऐसा रोगी शामिल होता है जो शुरू में सतर्क (guarded) होता है और केवल तभी धीरे-धीरे खुलता है जब प्रशिक्षु विशिष्ट कौशल (सहानुभूति और अन्वेषण) का प्रदर्शन करता है। मौजूदा अनुकूली दृष्टिकोण अक्सर मूल्यांकन स्कोर से व्यवहार के लिए नियम-आधारित मैपिंग का उपयोग करते हैं जो मनोचिकित्सा सिद्धांत या अनुभवजन्य डेटा पर आधारित नहीं होते, जिससे उस क्रमिक प्रगति को मॉडल करने में विफलता होती है जिसके द्वारा चिकित्सक के व्यवहार समय के साथ रोगी की स्थिति को आकार देते हैं।

कार्यप्रणाली (Methodology)

लेखक एडेप्टिव वर्चुअल पेशेंट (AVP) का प्रस्ताव करते हैं, जो व्यवहारिक अवस्था संक्रमण (behavioral state transitions) को भाषा निर्माण (language generation) से अलग करता है। यह प्रणाली प्रत्येक टर्न में तीन विशिष्ट घटकों के माध्यम से कार्य करती है:

1. कौशल पहचान (Skill Detection): दो LLM मूल्यांकनकर्ता प्रशिक्षु के नवीनतम कथन को नैदानिक रूपनों व्यवहारों पर स्कोर देते हैं:
   • सहानुभूति (Empathy): इसमें व्याख्या ($i$), भावनात्मक प्रतिक्रिया ($e$), और प्रतिबिंब ($r$) शामिल है, जिसे 0–2 के पैमाने पर स्कोर किया जाता है।
   • अन्वेषण (Exploration - $x$): खुले प्रश्न और जांच, जिसे 0–2 के पैमाने पर स्कोर किया जाता है।
2. अवस्था अपडेट (Dynamics Module): एक डायनेमिक्स मॉड्यूल इन स्कोर को एक निरंतर संचयी स्कोर ($D_t$) में संचित करता है। यह मॉड्यूल लगभग 2,000 घंटों के वास्तविक दुनिया के मनोचिकित्सा ट्रांसक्रिप्ट से प्राप्त एक स्ट्रक्चरल इक्वेशन मॉडल (SEM) में अनुभवजन्य रूप से आधारित (empirally grounded) है। अपडेट नियम को इस प्रकार परिभाषित किया गया है:
   $$\Delta_t = c + w_i i_t + w_{er} e_t + w_r r_t + w_{ex} x_t + \epsilon_t$$
   जहाँ भार $w = (1, 1, 1, 3)$ सहानुभूति-से-अन्वेषण अनुपात का अनुमान लगाते हैं जो SEM में पाया गया है। संचयी स्कोर $D_t$ को तीन ऑर्डिनल प्रकटीकरण स्तरों में वर्गीकृत किया जाता है: सतर्क (Guarded - G), मध्यम (Medium - M), और उच्च (High - H), जो निश्चित थ्रेशोल्ड पर आधारित हैं।
3. कंडीशन्ड रिस्पॉन्स जनरेशन (Conditioned Response Generation): एक LLM रोगी का अगला कथन उत्पन्न करता है। महत्वपूर्ण रूप से, LLM को वर्तमान प्रकटीकरण स्तर (disclosure level) पर कंडीशन किया जाता है। प्रॉम्प्ट में शामिल हैं:
   • एक प्रकटीकरण-प्रतिबंध निर्देश (जैसे, "सैम कोई भी व्यक्तिगत जानकारी साझा नहीं करता है" स्तर G के लिए)।
   • वर्तमान स्तर के विशिष्ट प्रकटीकरण विषय (G के लिए तटस्थ विषय, M के लिए विशिष्ट व्यक्तिगत सामग्री, H के लिए संवेदनशील/संकट सामग्री)।
   • परिदृश्य का संक्षिप्त विवरण (scenario brief) और संवाद इतिहास।

यह आर्किटेक्चर सुनिश्चित करता है कि LLM तब तक संवेदनशील जानकारी प्रकट नहीं कर सकता जब तक कि स्टेट मैनेजर स्पष्ट रूप से प्रकटीकरण स्तर के माध्यम से इसकी अनुमति न दे दे, जो प्रॉम्प्ट-ओनली बेसलाइन में होने वाले "ओवर-डिस्क्लोजर" को रोकता है।

मुख्य योगदान

यह शोध पत्र तीन प्राथमिक योगदान देता है:

1. व्यवहारिक अनुकूलनशीलता के लिए एक मॉड्यूलर ढांचा: लेखक एक आभासी रोगी ढांचे का परिचय देते हैं जहाँ व्यवहारिक परिवर्तन को उपयोगकर्ता के टर्न और एजेंट की प्रतिक्रिया के बीच एक छोटे, स्पष्ट मॉड्यूल द्वारा संभाला जाता है। एक अनुभवजन्य SEM से प्राप्त भारों का उपयोग करके एक गुप्त प्रकटीकरण अवस्था को अपडेट करके और LLM को उस अवस्था पर कंडीशन करके, यह प्रणाली अनुकूलन को निरीक्षण योग्य, नियंत्रणीय और भाषा निर्माण प्रक्रिया से अलग बनाती है।
2. एक चार-गुणवत्ता मूल्यांकन ढांचा: शोध पत्र अनुकूलित आभासी रोगियों के लिए चार मापने योग्य गुणों का प्रस्ताव करता है और उन्हें संचालित करता है:
   • P1 प्रतिक्रियाशीलता (Responsiveness): अवस्था उपयोगकर्ता के व्यवहार के जवाब में अनुभवजन्य डेटा द्वारा अनुमानित दिशा में बदलती है।
   • P2 क्रमिक निर्माण (Gradual Build-up): प्रकटीकरण सत्र में लगातार बढ़ता है, और केवल तभी आगे बढ़ता है जब उपयोगकर्ता की क्षमता संचित होती है।
   • P3 निष्ठापूर्ण प्राप्ति (Faithful Realization): उत्पन्न पाठ सिस्टम की इच्छित आंतरिक अवस्था के साथ मेल खाता है।
   • P4 कौशल संवेदनशीलता (Skill Sensitivity): विभिन्न उपयोगकर्ता रणनीतियाँ (उच्च बनाम निम्न कौशल) दृश्य रूप से भिन्न प्रकटीकरण प्रक्षेपवक्र (trajectories) उत्पन्न करती हैं।
3. अनुभवजन्य सत्यापन: 20 चिकित्सकों और प्रशिक्षुओं के एक अध्ययन (80 सत्र, 1,033 टर्न) के माध्यम से, लेखक प्रदर्शित करते हैं कि AVP सुसंगत, बढ़ते प्रकटीकरण प्रक्षेपवक्र बनाता है जो इसके आंतरिक राज्य के साथ मेल खाते हैं, जबकि एक प्रॉम्प्ट-ओनली बेसलाइन (SVP) सपाट या अनुचित रूप से उच्च रहता है।

परिणाम

मूल्यांकन ने दो व्यक्तित्वों (सैम और एलेक्स) का उपयोग करके 80 सत्रों में एडेप्टिव वीपी (AVP) की तुलना स्टैटिक वीपी (SVP) से की:

• प्रतिक्रियाशीलता (P1): रिग्रेशन विश्लेषण ने दिखाया कि AVP की प्रकटीकरण अवस्था उपयोगकर्ता के अन्वेषण के प्रति महत्वपूर्ण रूप से प्रतिक्रिया करती है ($\hat{\beta} = +0.281, p < .001$), जबकि SVP ने कोई महत्वपूर्ण प्रतिक्रिया नहीं दिखाई। उल्लेखनीय रूप से, अनुभवजन्य डेटा ने सुझाव दिया कि अन्वेषण, सहानुभूति की तुलना में प्रकटीकरण को लगभग 78 गुना अधिक संचालित करता है, हालांकि तैनात प्रणाली में 3:1 का अनुपात उपयोग किया गया था।
• क्रमिक निर्माण (P2): AVP ने सत्र के दौरान प्रकटीकरण में गार्डेड (G) से मीडियम (M) तक एक मजबूत, स्थिर चढ़ाई प्रदर्शित की ($R^2 = 0.94$)। इसके विपरीत, SVP एक उच्च प्रकटीकरण स्तर से शुरू हुआ और सपाट रहा ($R^2 = 0.15$), जो प्रशिक्षु के कौशल पर खुलापन रखने में विफल रहा।
• निष्ठापूर्ण प्राप्ति (P3): AVP का उत्पन्न पाठ 65.1% बार अपनी इच्छित प्रकटीकरण स्तर के साथ संरेखित हुआ, जो SVP (31.1%) से काफी बेहतर प्रदर्शन करता है। SVP अक्सर उच्च प्रकटीकरण (H) के लिए "फॉल्स पॉजिटिव" उत्पन्न करता था, चाहे इच्छित अवस्था कुछ भी हो।
• कौशल संवेदनशीलता (P4): उच्च-कौशल प्रशिक्षुओं ने AVP स्थिति में निम्न-कौशल प्रशिक्षुओं ($\Delta = +0.60$) की तुलना में तीव्र प्रकटीकरण प्रक्षेपवक्र ($\Delta = +0.85$) उत्पन्न किए। SVP ने ऐसा कोई अंतर नहीं दिखाया।
• मानवीय रेटिंग: लाइसेंस प्राप्त थेरेपिस्टों ने एक्सप्रेसिव पर्सोना (एलेक्स) के अनुकूलित संस्करण को निरंतरता, अनुकूलनशीलता, यथार्थवाद और प्रशिक्षण उपयोगिता पर उच्च रेटिंग दी। हालाँकि, गार्डेड पर्सोना (सैम) के लिए, अनुकूलित संस्करण को कथित अनुकूलनशीलता पर कम रेटिंग मिली, जिससे पता चलता है कि गार्डेड क्लाइंट्स के लिए डिज़ाइन की गई धीमी, कैलिब्रेटेड संयम को लघु बातचीत में अनरिस्पॉन्सिव माना जा सकता है।
• एब्लेशन अध्ययन (Ablation Study): वेट वेक्टर से अन्वेषण को हटाने से स्वतंत्र रेटर्स के साथ सहमति में सबसे बड़ी गिरावट (-15.8 प्रतिशत अंक) हुई, जो पुष्टि करता है कि अन्वेषण प्रकटीकरण परिवर्तनों को चलाने के लिए प्रमुख सिग्नल है।

महत्व और दावे

शोध पत्र का दावा है कि AVP ढांचा व्यवहारिक रूप से अनुकूलित वार्ताकार एजेंटों की ओर एक कदम है, जो केवल प्रॉम्प्ट इंजीनियरिंग के बजाय अनुभवजन्य इंटरेक्शन डायनेमिक्स के आधार पर दीर्घकालिक व्यवहार को स्थापित करता है। लेखक तर्क देते हैं कि:

• अवस्था और जनरेशन का पृथक्करण: व्यवहारिक अवस्था (डायनेमिक्स मॉड्यूल) और भाषा निर्माण के बीच वास्तुशिल्प पृथक्करण नियंत्रण और परीक्षण क्षमता के लिए आवश्यक है, जो प्रॉम्प्ट-ओनली सिस्टम के साथ संभव नहीं है।
• अनुभवजन्य आधार: सिस्टम का मूल्य इसके पैरामीट्राइजेशन में निहित है जो वास्तविक मनोचिकित्सा डेटा से प्राप्त किया गया है, जिससे यह चिकित्सीय गठबंधन और प्रकटीकरण की क्रमिक प्रगति को मॉडल करने में सक्षम होता है।
• LLMs की सीमाएं: लेखक कहते हैं कि बेहतर LLMs के साथ अनुकूलनशीलता स्वतः उत्पन्न नहीं होती क्योंकि LLMs में एक स्थायी अवस्था एब्स्ट्रैक्शन की कमी होती है और वे सहयोग करने की प्रवृत्ति रखते हैं। अवस्था बदलने के कब के डायनेमिक्स (जैसे, सहानुभूति-से-अन्वेषण अनुपात) अनुभवजन्य अनुमान हैं, जिन्हें प्री-ट्रेनिंग से प्राप्त करने के बजाय स्पष्ट रूप से मॉडल किया जाना चाहिए।
• सामान्यीकरण (Generalizability): हालांकि मनोचिकित्सा में मान्य किया गया है, लेकिन इस आर्किटेक्चर (अनुभवजन्य डायनेमिक्स $\to$ ऑर्डिनल स्टेट $\to$ कंटेंट-गेटेड जनरेशन) को अन्य डोमेन में भी हस्तांतरणीय माना गया है जहाँ उपयोगकर्ता व्यवहार श्रेणीबद्ध एजेंट प्रतिक्रियाओं की भविष्यवाणी करता है, जैसे कि मेडिकल इंटरव्यूइंग या नेगोशिएशन ट्रेनिंग।

लेखक अपनी सीमाओं के संबंध में विनम्र बने हुए हैं, यह नोट करते हुए कि यह सिस्टम एक प्रशिक्षण उपकरण है, क्लिनिकल विकल्प नहीं; कि अनुभवजन्य मॉडल इसके प्रशिक्षण कॉर्पस के विशिष्ट वितरण को दर्शाता; और कि वर्तमान मूल्यांकन विंडो (लगभग 10 टर्न) गार्डेड पर्सोना के कथित अनुकूलन को पूरी तरह से पकड़ने के लिए बहुत छोटी हो सकती है।