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

मनुष्य केवल शब्दों का ही नहीं, बल्कि विचारों की अवस्थाओं, भावनात्मक बोझ और सामाजिक लय का भी निरंतर आदान-प्रदान करते हैं। दशकों से, मानसिक स्वास्थ्य पेशेवर इस बात को मापने के लिए मानकीकृत प्रश्नावली पर निर्भर रहे हैं कि एक व्यक्ति सामाजिक संपर्क को कैसे संभालता है या वह कितना मनोवैज्ञानिक संकट वह ढो रहा है। ये सर्वेक्षण, जो पेन और कागज या स्क्रीन पर भरे जाते हैं, लोगों को अपनी भावनाओं और व्यवहारों को रेट करने के लिए कहते हैं। हालांकि उपयोगी होने के बावजूद, ये उपकरण आत्म-धारणा के एक स्थिर स्नैपशॉट को पकड़ते हैं, न कि उस जीवंत वास्तविकता को जो एक बातचीत के दौरान घटित होती है। वे किसी आवाज में हिचकिचाहट, किसी चिंता की पुनरावृत्ति, या एक इंसान के दूसरे इंसान से जुड़ने—या जुड़ने में विफल होने—के सूक्ष्म तरीकों को नहीं सुन सकते। जैसे-जैसे तकनीक प्रगति कर रही है, मनोविज्ञान और कंप्यूटर विज्ञान के क्षेत्र में एक नया प्रश्न उभरा है: क्या हम मशीनों को यह सिखा सकते हैं कि वे नैदानिक साक्षात्कार के दौरान लोगों के बोलने के तरीके को सुनें और केवल उन बोले गए शब्दों से, वक्ता के सामाजिक और भावनात्मक परिदृश्य को समझ सकें?

यह प्रश्न जापान में इंटरनेशनल क्रिश्चियन यूनिवर्सिटी और हार्टलैंड शिगिसन अस्पताल के शोधकर्ताओं द्वारा किए गए एक हालिया अध्ययन के केंद्र में है। टीम यह देखना चाहती थी कि क्या आधुनिक कंप्यूटर भाषा उपकरण एक मनोचिकित्सक और एक रोगी के बीच वास्तविक बातचीत के ट्रांसक्रिप्ट का विश्लेषण करके सामाजिक संचार और भावनात्मक संकट से संबंधित छिपे हुए पैटर्न को प्रकट कर सकते हैं। वे एक ऐसी मशीन बनाने की कोशिश नहीं कर रहे थे जो मरीज का निदान कर सके या डॉक्टर की जगह ले सके। इसके बजाय, उन्होंने एक अधिक मौलिक प्रश्न पूछा: क्या लोग जिन विशिष्ट शब्दों का चुनाव करते हैं, जो विषय वे सामने लाते हैं, और उनके संवाद की लय, उनके मानसिक स्तर के बारे में मापने योग्य सुरागों को समाहित करती है? यह पता लगाने के लिए, उन्होंने 'नेचुरल लैंग्वेज प्रोसेसिंग' (प्राकृतिक भाषा प्रसंस्करण) नामक उपकरणों के एक सेट की ओर रुख किया, जो कंप्यूटर को मानव टेक्स्ट को पढ़ने और समझने की अनुमति देता है, और 'लार्ज लैंग्वेज मॉडल्स' (विशाल भाषा मॉडल), जो उन्नत कृत्रिम बुद्धिमत्ता प्रणाली हैं और विशाल लेखन में जटिल विचारों को सारांशित करने और विषयों को पहचानने में सक्षम हैं।

शोधकर्ताओं ने जापान में 62 वयस्कों के एक समूह को इकट्ठा किया और उन्हें एक मनोचिकित्सक के साथ अर्ध-संरचित बातचीत में भाग लेने के लिए कहा। ये मुक्त प्रवाह वाली चर्चाएं नहीं थीं, बल्कि निर्देशित सत्र थे जिन्हें एक मानक जांच की तरह महसूस कराने के लिए डिज़ाइन किया गया था। मनोचिकित्सक, जिन्हें प्रतिभागियों के व्यक्तिगत मनोवैज्ञानिक परीक्षणों के स्कोर से अनभिज्ञ रखा गया था, ने इस बारे में सवाल पूछे कि व्यक्ति कैसा महसूस कर रहा है, उस सप्ताह में अच्छी या कठिन चीजें क्या हुई थीं, और उनके मन में क्या विषय थे। ये सत्र औसतन लगभग ग्यारह मिनट तक चले। इन सत्रों के दौरान, प्रतिभागियों ने दो प्रसिद्ध सर्वेक्षण भी पूरे किए। एक ने उनके मनोवैज्ञानिक संकट के स्तर को मापा, जिसमें घबराहट, निराशा और निरर्थकता जैसी भावनाओं के बारे में पूछा गया। दूसरे ने उनकी सामाजिक प्रतिक्रियाशीलता को मापा, जो यह देखता था कि वे सामाजिक संकेतों को कितनी अच्छी तरह समझते हैं, रिश्तों को बनाए रखते हैं और दूसरों के साथ जुड़ते हैं।

एक बार जब बातचीत रिकॉर्ड और ट्रांसक्राइब (पाठ में रूपांतरित) हो गई, तो शोधकर्ताओं ने टेक्स्ट को अपने कंप्यूटर मॉडल में डाला। उन्होंने संवाद को कई अलग-अलग प्रकार के 'फीचर्स' (विशेषताओं) में विभाजित किया। कुछ फीचर्स सरल गणनाएँ थे, जैसे कि प्रतिभागी ने डॉक्टर की तुलना में कितने शब्द बोले, या उनकी शब्दावली कितनी विविध थी। अन्य अधिक जटिल थे, जो यह मापते थे कि प्रतिभागी के शब्द और विचार मनोचिकित्सक के कितने समान थे। उनके विश्लेषण का सबसे महत्वपूर्ण हिस्सा प्रत्येक प्रतिभागी के पूरे ट्रांसक्रिप्ट को पढ़ने और विशिष्ट "एजेंडा आइटम्स" (कार्यसूची के विषय) निकालने के लिए एक लार्ज लैंग्वेज मॉडल का उपयोग करना था। कंप्यूटर से यह पहचानने के लिए कहा गया था कि क्या प्रतिभागी ने अवसाद, चिंता, परिवार, कार्य, या अपने भविष्य के बारे में बात की है, और प्रत्येक विषय के बारे में उन्होंने कितनी चिंता व्यक्त की। इसने शोधकर्ताओं को शब्दों की गिनती से आगे बढ़ने और बोले जा रहे वास्तविक मनोवैज्ञानिक विषय-वस्तु को देखने की अनुमति दी।

परिणामों ने स्पष्ट रूप से दिखाया कि लोग क्या कहते हैं और उनके सर्वेक्षण स्कोर के बीच एक स्पष्ट संबंध है। सबसे चौंकाने वाला निष्कर्ष यह था कि विशिष्ट चिंताओं, विशेष रूप से अवसाद से संबंधित चिंताओं को पहचानने की कंप्यूटर की क्षमता, प्रतिभागियों के स्कोर से मजबूती से जुड़ी हुई थी। जब भाषा मॉडल ने पता लगाया कि एक प्रतिभागी अवसाद के बारे में महत्वपूर्ण चिंता व्यक्त कर रहा है, तो उस व्यक्ति का मनोवैज्ञानिक संकट सर्वेक्षण और सामाजिक प्रतिक्रियाशीलता सर्वेक्षण दोनों पर उच्च स्कोर था। यह सुझाव देता है कि जिस तरह से लोग स्वाभाविक रूप से अपने संघर्षों के बारे में बात करते हैं, उसमें उनकी आंतरिक स्थिति का एक सीधा संकेत होता है। दिलचस्प बात यह है कि कंप्यूटर मॉडल मनोवैज्ञानिक संकट के स्कोर की भविष्यवाणी करने में सामाजिक संचार के स्कोर की भविष्यवाणी करने की तुलना में बहुत बेहतर थे। जबकि मॉडल भावनात्मक पीड़ा के संकेतों को उचित सटीकता के साथ पहचान सकते थे, वे केवल टेक्स्ट के माध्यम से सामाजिक संपर्क की बारीकियों को पकड़ने में संघर्ष करते रहे।

अध्ययन ने यह भी रेखांकित किया कि कंप्यूटर द्वारा निकाले गए सूचना के प्रकार का बहुत महत्व था। इस बात के सरल माप कि डॉक्टर और रोगी के बीच शब्द कितने समान थे, या कितने शब्द बोले गए, सर्वेक्षण परिणामों के साथ बहुत कमजोर संबंध दिखाते थे। यह गहन, 'सिमेंटिक' (अर्थ संबंधी) समझ थी—यह समझने की क्षमता कि एक व्यक्ति "आत्म-मूल्यांकन" या "भविष्य की चिंता" के बारे में बात कर रहा है—जिसने वास्तविक अंतर्दृष्टि प्रदान की। शोधकर्ताओं ने पाया कि जब उन्होंने इन उच्च-स्तरीय विषय सारांशों को अधिक बुनियादी शब्द गणनाओं के साथ जोड़ा, तो कंप्यूटर की भविष्यवाणियां थोड़ी सुधर गईं, लेकिन विषयों का स्वयं का भार सबसे अधिक था। यह इंगित करता है कि बातचीत की विषय-वस्तु उनके भाषण की यांत्रिक संरचना की तुलना में अधिक प्रकट करने वाली होती है।

इन आशाजनक निष्कर्षों के बावजूद, शोधकर्ता अपने काम की सीमाओं को नोट करने में सावधानी बरतते हैं। उन्होंने जिन लोगों का अध्ययन किया वे अपेक्षाकृत कम संख्या में थे, और यह अध्ययन अन्वेषणात्मक था, जिसका अर्थ है कि इसे यह देखने के लिए डिज़ाइन किया गया था कि क्या संभव है, न कि एक अंतिम, निश्चित उत्तर देने के लिए। कंप्यूटर मॉडल पूर्ण सटीकता प्राप्त नहीं कर सके, और शोधकर्ता इस बात पर जोर देते हैं कि ये उपकरण क्लिनिक में नैदानिक उपकरण के रूप में उपयोग के लिए तैयार नहीं हैं। संकट के स्कोर और सामाजिक स्कोर के बीच मजबूत संबंध डेटा में दोनों को पूरी तरह से अलग करना भी कठिन बनाता है; यह संभव है कि बातचीत ने एक सामान्य बेचैनी की स्थिति को दर्शाया हो जिसने दोनों मापों को प्रभावित किया हो। इसके अलावा, अध्ययन पूरी तरह से टेक्स्ट पर आधारित था, जिसमें आवाज के लहजे, चेहरे के भावों और आंखों के संपर्क को अनदेखा किया गया जो मानवीय संचार के महत्वपूर्ण हिस्से भी हैं।

तथापि, यह अध्ययन मानसिक स्वास्थ्य मूल्यांकन के भविष्य की एक सम्मोहक झलक प्रदान करता है। यह प्रदर्शित करता है कि बातचीत में लोग जिन शब्दों का चयन करते हैं, वे केवल यादृच्छिक शोर नहीं हैं, बल्कि वे इस तरह से संरचित होते हैं जो उनकी मनोवैज्ञानिक वास्तविकता को दर्शाते हैं। अवसाद या चिंता जैसे विशिष्ट विषयों को सुनने के लिए उन्नत भाषा मॉडलों का उपयोग करके, कंप्यूटर उन पहलुओं को मात्रात्मक रूप दे सकते हैं जो पहले केवल व्यक्तिपरक आत्म-रिपोर्टिंग या नैदानिक अवलोकन के माध्यम से सुलभ थे। शोधकर्ता सुझाव देते हैं कि भविष्य में, ये तकनीकें स्वास्थ्य सेवा पेशेवरों के लिए अधिक यथार्थवादी प्रशिक्षण वातावरण बनाने में मदद कर सकती हैं, जिससे उन्हें उन आभासी क्लाइंट्स के साथ संवाद करने का अभ्यास करने की अनुमति मिल सके जो विविध सामाजिक और भावनात्मक व्यवहार प्रदर्शित करते हैं। फिलहाल, यह कार्य एक 'प्रूफ ऑफ कॉन्सेप्ट' (अवधारणा की सिद्धि) के रूप में खड़ा है: कहानियाँ जो हम सुनाते हैं, यहाँ तक कि संक्षिप्त और संरचित बातचीत में भी, हमारे आंतरिक जीवन का एक मापने योग्य मानचित्र रखती हैं।