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

Gli esseri umani scambiano costantemente molto più delle semplici parole; condividono stati mentali, pesi emotivi e ritmi sociali attraverso il flusso della conversazione. Per decenni, i professionisti della salute mentale si sono affidati a questionari standardizzati per misurare come una persona gestisce l'interazione sociale o quanto disagio psicologico trasporti. Questi sondaggi, compilati con penna e carta o su uno schermo, chiedono alle persone di valutare i propri sentimenti e comportamenti. Sebbene utili, questi strumenti catturano un'istantanea statica dell'autopercezione piuttosto che la realtà dinamica e viva di una conversazione mentre avviene. Non possono sentire l'esitazione in una voce, la ripetizione di una preoccupazione o i modi sottili in cui una persona si connette — o non riesce a connettersi — con un altro essere umano. Con l'avanzare della tecnologia, è emersa una nuova domanda nel campo della psicologia e dell'informatica: possiamo insegnare alle macchine ad ascoltare il modo in cui le persone parlano durante un colloquio clinico e, da quelle sole parole dette, comprendere il panorama sociale ed emotivo del parlante?

Questa domanda è al cuore di un recente studio condotto da ricercatori dell'International Christian University e dell'Heartland Shigisan Hospital in Giappone. Il team voleva vedere se i moderni strumenti linguistici informatici potessero analizzare le trascrizioni di conversazioni reali tra uno psichiatra e un paziente per rivelare modelli nascosti relativi alla comunicazione sociale e al disagio emotivo. Non stavano cercando di costruire una macchina capace di diagnosticare un paziente o di sostituire un medico. Al contrario, si sono posti una domanda più fondamentale: le parole specifiche che le persone scelgono, gli argomenti che portano avanti e il ritmo del loro dialogo contengono indizi misurabili sul loro stato mentale? Per scoprirlo, si sono rivolti a un insieme di strumenti noti come elaborazione del linguaggio naturale (natural language processing), che permette ai computer di leggere e comprendere il testo umano, e ai grandi modelli linguistici (large language models), che sono sistemi di intelligenza artificiale avanzata capaci di riassumere idee complesse e identificare temi in vasti quantità di scritti.

I ricercatori hanno raccolto un gruppo di 62 adulti in Giappone e hanno chiesto loro di partecipare a una conversazione semi-strutturata con uno psichiatra. Non si trattava di chiacchierate libere ma di sessioni guidate progettate per sembrare un controllo standard. Lo psichiatra, che era a conoscenza del fatto di non conoscere i punteggi personali dei partecipanti nei test psicologici, ha posto domande su come la persona si sentisse, quali cose positive o difficili fossero accadute quella settimana e quali argomenti avessero in mente. Le conversazioni duravano in media circa undici minuti. Durante queste sessioni, i partecipanti hanno anche completato due noti sondaggi. Uno misurava il loro livello di disagio psicologico, chiedendo riguardo a sentimenti di nervosismo, disperazione e senso di inutilità. L'altro misurava la loro reattività sociale, osservando quanto bene comprendessero gli indizi sociali, mantenessero le relazioni e interagissero con gli altri.

Una volta registrate e trascritte le conversazioni, i ricercatori hanno inserito il testo nei loro modelli informatici. Hanno scomposto il dialogo in molti diversi tipi di caratteristiche. Alcune caratteristiche erano conteggi semplici, come quante parole il partecipante ha pronunciato rispetto al medico, o quanto fosse vario il suo vocabolario. Altre erano più complesse, misurando quanto le parole e le idee del partecipante fossero simili a quelle dello psichiatra. La parte più significativa della loro analisi ha comportato l'uso di un grande modello linguistico per leggere l'intera trascrizione di ogni partecipante ed estrarre specifici "punti all'ordine del giorno" (agenda items). Al computer è stato chiesto di identificare se il partecipante avesse parlato di depressione, ansia, famiglia, lavoro o del proprio futuro, e di valutare quanta preoccupazione esprimesse per ciascun argomento. Ciò ha permesso ai ricercatori di andare oltre il conteggio delle parole e guardare invece al reale contenuto psicologico di ciò che veniva detto.

I risultati hanno rivelato una chiara connessione tra ciò che le persone dicevano e i punteggi ottenuti nei sondaggi. Il risultato più sorprendente è stato che la capacità del computer di identificare preoccupazioni specifiche, in particolare quelle legate alla depressione, era fortemente legata ai punteggi dei partecipanti. Quando il modello linguistico rilevava che un partecipante stava esprimendo una preoccupazione significativa riguardo alla depressione, quella persona tendeva ad avere punteggi più alti sia nel sondaggio sul disagio psicologico che in quello sulla reattività sociale. Ciò suggerisce che il modo in cui le persone parlano naturalmente delle proprie difficoltà contiene un segnale diretto del loro stato interno. Interessantemente, i modelli informatici erano molto più bravi a prevedere i punteggi per il disagio psicologico che a prevedere i punteggi per la comunicazione sociale. Mentre i modelli potevano individuare segni di dolore emotivo con una ragionevole accuratezza, faticavano a catturare le sfumature dell'interazione sociale dal solo testo.

Lo studio ha anche evidenziato che il tipo di informazione estratta dal computer era di grande importanza. Le misure semplici di quanto le parole fossero simili tra medico e paziente, o di quante parole venissero pronunciate, mostravano connessioni molto deboli con i risultati dei sondaggi. Era la comprensione semantica più profonda della conversazione — la capacità di cogliere che una persona stesse parlando di "autovalutazione" o "ansia per il futuro" — che forniva la vera intuizione. I ricercatori hanno scoperto che quando combinavano questi riassunti tematici di alto livello con le misure più basilari del conteggio delle parole, le previsioni del computer miglioravano leggermente, ma i temi stessi avevano il peso maggiore. Ciò indica che il contenuto di una conversazione è più rivelatore del disagio di una persona rispetto alla struttura meccanica del suo parlato.

Nonostante questi risultati promettenti, i ricercatori sono cauti nel sottolineare i limiti del loro lavoro. Il gruppo di persone studiato era relativamente piccolo e lo studio era esplorativo, il che significa che è stato progettato per vedere cosa fosse possibile piuttosto che per fornire una risposta finale e definitiva. I modelli informatici non hanno raggiunto un'accuratezza perfetta e i ricercatori sottolineano che questi strumenti non sono pronti per essere utilizzati come dispositivi diagnostici in una clinica. Il forte legame tra i punteggi di disagio e quelli sociali rende anche difficile separare completamente i due elementi nei dati; è possibile che le conversazioni riflettessero uno stato generale di malessere che influenzava entrambi i parametri. Inoltre, lo studio si è basato interamente sul testo, ignorando il tono della voce, le espressioni facciali e il contatto visivo che sono anche parti vitali della comunicazione umana.

Nondimeno, lo studio offre uno sguardo affascinante sul futuro della valutazione della salute mentale. Dimostra che le parole che le persone scelgono in una conversazione non sono solo rumore casuale, ma sono strutturate in modi che riflettono la loro realtà psicologica. Utilizzando modelli linguistici avanzati per ascoltare temi specifici come la depressione o l'ansia, i computer possono iniziare a quantificare aspetti dell'esperienza umana che prima erano accessibili solo attraverso l'autovalutazione soggettiva o l'osservazione clinica. I ricercatori suggeriscono che in futuro queste tecniche potrebbero aiutare a creare ambienti di formazione più realistici per i professionisti sanitari, permettendo loro di esercitarsi nella comunicazione con clienti virtuali che esibiscono diversi modelli di comportamento sociale ed emotivo. Per ora, il lavoro rappresenta una prova di concetto: le storie che raccontiamo, anche in conversazioni brevi e strutturate, contengono una mappa misurabile delle nostre vite interiori.