Resumo Técnico: PsyProbe

Declaração do Problema

Embora os avanços recentes em Modelos de Linguagem de Grande Escala (LLMs) tenham possibilitado o desenvolvimento de sistemas de diálogo para saúde mental, as abordagens existentes permanecem predominantemente reativas. Elas carecem de uma modelagem sistemática do estado do usuário, o que limita sua capacidade de apoiar a exploração terapêutica proativa. Na prática do aconselhamento, a fase de exploração é crítica para aprofundar a compreensão dos problemas centrais de um cliente por meio de questionamentos abertos. No entanto, os LLMs padrão têm dificuldade em ir além das descrições iniciais para elicitar insights psicológicos mais profundos porque não rastreiam explicitamente a evolução dos estados do usuário nem identificam lacunas de informação. Além disso, trabalhos anteriores em contextos de aconselhamento coreano foram limitados pela dependência de dados sintéticos baseados em simuladores e pela falta de frameworks sistemáticos para rastrear diversas informações pessoais conforme elas emergem durante o diálogo.

Metodologia

Os autores introduzem o PsyProbe, um sistema de diálogo proativo projetado especificamente para a fase de exploração do aconselhamento. O sistema opera através de uma arquitetura modular que integra formulação clínica estruturada com detecção de erros cognitivos.

Estrutura Central: PPPPPI + Erros Cognitivos

O PsyProbe modela os estados psicológicos do usuário usando o framework PPPPPI (Presenting [Apresentação], Predisposing [Predisposição], Precipitating [Precipitação], Perpetuating [Perpetuação], Protective [Proteção], Impact [Impacto]), aumentado com sinais de erro cognitivo. Esta formulação permite que o sistema represente e atualize questões centrais ao longo da conversa, indo além do simples rastreamento de tópicos para a formulação de caso clínico.

Arquitetura do Sistema

O PsyProbe consiste em quatro módulos primários:

1. Construtor de Estado (State Builder): Extrai perfis psicológicos estruturados de enunciados não estruturados do usuário através de três estágios:

   • Extração de Erro Cognitivo: Identifica padrões de pensamento desadaptativos (ex: catastrofização, supergeneralização, personalização e abstração seletiva via afirmações de "deveria/preciso") baseados nas teorias de Beck e Lefebvre.
   • Alinhamento PPPPPI: Realiza o preenchimento de lacunas (slot filling) baseado em evidências para mapear o conteúdo às seis dimensões clínicas.
   • Raciocínio de Teoria da Mente (ToM): Infere as crenças, desejos e intenções subjacentes do usuário (categorizados nos níveis da Entrevista Motivacional: Engajamento, Foco, Evocação, Planejamento) para guiar o alinhamento da resposta.

2. Construção de Memória (Memory Construction): Mantém um sistema de memória de dois níveis:

   • Histórico de Turnos (Turn History): Um registro leve de palavras-chave, eventos e emoções de diálogos recentes.
   • Resumo Geral (Overall Summary): Um snapshot clínico contendo a análise PPPPPI atual, a narrativa central, a emoção central e temas recorrentes. Este resumo é atualizado de forma conservadora com base em novas evidências.

3. Planejador de Estratégia (Strategy Planner): Guia o próximo turno do sistema ao:

   • Predição de Rótulos: Prediz códigos comportamentais de Entrevista Motivacional (ex: Pergunta Aberta, Reflexão Complexa) usando prompting de poucos disparos (few-shot) com o corpus KMI.
   • Geração de Estratégia: Converte os códigos preditos em estratégias de diálogo concretas, especificando objetivos terapêuticos, pontos de conteúdo chave e restrições estilísticas.

4. Gerador de Resposta (Response Generator): Produz a resposta final através de um pipeline de três estágios:

   • Ideação de Perguntas (Question Ideation): Gera perguntas de sondagem candidatas baseadas em pontuações de lacuna (gap scores) calculadas para cada slot PPPPPI. Slots com informações ausentes, fracas ou desatualizadas são priorizados. Fatores de proteção são questionados de forma conservadora para evitar resolução prematura de problemas.
   • Geração de Rascunho (Draft Generation): Compõe uma resposta inicial integrando atos de fala selecionados com o contexto do diálogo, mantendo um tom empático e conciso.
   • Crítico e Revisão (Critic and Revision): Avalia o rascunho quanto à adequação contextual, redundância e solidez terapêutica. Ele refina iterativamente o componente da pergunta (mantendo, adicionando, substituindo ou removendo perguntas) para garantir que a saída suporte a exploração sem repetição.

Principais Contribuições

1. Modelagem Estruturada do Estado do Usuário: O artigo propõe uma nova abordagem para o aconselhamento exploratório baseada no framework PPPPPI, aumentada com sinais de erro cognitivo para rastrear a evolução de questões psicológicas centrais.
2. Mecanismo de Geração de Perguntas Proativas: Os autores desenvolvem um mecanismo que combina a Ideação de Perguntas baseada em lacunas com um processo iterativo de Crítico-e-Revisão. Isso suporta a geração de perguntas contextualmente apropriadas, não redundantes e proativas.
3. Validação Empírica em Cenários do Mundo Real: O estudo realiza avaliações humanas com 27 participantes em cenários reais de aconselhamento coreano, juntamente com avaliação de especialistas por um conselheiro certificado. Isso aborda a limitação de trabalhos anteriores que dependiam de dados sintéticos.

Resultados

A avaliação comparou o PsyProbe contra um modelo base GPT (instruído com princípios centrados no cliente) e um conselheiro humano profissionalmente certificado.

• Avaliação Automática: O modelo completo PsyProbe superou consistentemente o baseline e os modos de ablação (removendo o State Builder, Strategy Planner ou Question Ideation/Critic) em métricas de sobreposição lexical (ROUGE, BLEU) e similaridade baseada em embeddings (BERT-F1). Estudos de ablação indicaram que os módulos State Builder e Question Ideation/Critic contribuíram mais significativamente para os ganhos de desempenho.
• Avaliação do Usuário: Os participantes avaliaram o PsyProbe significativamente mais alto que o baseline em Naturalidade (aproximando-se dos níveis humanos) e Intenção de Engajamento (PsyProbe: 1.19 vs. Baseline: 0.33 em uma escala de 3 pontos). Embora as pontuações de empatia tenham melhorado ligeiramente, elas permaneceram abaixo dos níveis humanos, sugerindo que estratégias simples de reflexão são insuficientes para capturar totalmente a profundidade empática humana.
• Avaliação de Especialistas: Um conselheiro certificado avaliou o sistema em Compreensão da Questão Central (CIU), Qualidade da Pergunta de Sondagem (PQQ) e Taxa de Pergunta (QR).
  • Taxa de Pergunta: O PsyProbe alcançou uma taxa de 0.815, comparável ao conselheiro humano (0.830) e significativamente superior ao baseline (0.263).
  • Compreensão da Questão Central: O PsyProbe pontuou 3.37 (em uma escala de 5 pontos), uma melhoria substancial sobre o baseline (1.153), validando a eficácia da modelagem sistemática de estado.
  • Qualidade da Pergunta de Sondagem: As perguntas geradas pelo PsyProbe foram classificadas como "naturais e apropriadas", situando-se acima do limiar "aceitável".

Significância e Alegações

O artigo alega que a modelagem sistemática do estado do usuário e o questionamento proativo são estratégias eficazes para a exploração terapêutica. O PsyProbe demonstra que um sistema baseado em LLM pode alcançar taxas de pergunta e compreensão de questões centrais comparáveis a conselheiros profissionais na fase de exploração. Os autores afirmam que a integração do framework PPPPPI com a detecção de erro cognitivo permite que o sistema fundamente as conversas em estados explícitos do usuário, aprofundando assim a exploração terapêutica.

O estudo reconhece limitações, incluindo a dependência de múltiplas chamadas de LLM que podem impactar a escalabilidade, a falta de protocolos de avaliação padronizados para aconselhamento proativo e as restrições da duração da sessão de 20 minutos. Os autores concluem que, embora o sistema mostre promessa em naturalidade e estratégia de questionamento, o trabalho futuro deve focar em aumentar a responsividade empática e estender o framework para as fases de insight e ação do aconselhamento.