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

Resumo Técnico: Pacientes Simulados Aprendendo a Estigmatizar a Si Mesmos via Autorreflexão (SSR)

Declaração do Problema
As simulações atuais de Grandes Modelos de Linguagem (LLMs) para treinamento em saúde mental frequentemente falham em capturar a realidade matizada e sensível ao contexto do autoestigma. Embora os modelos existentes consigam simular pacientes, eles tendem a exibir comportamentos uniformemente complacentes ou uniformemente resistentes. Eles carecem da capacidade de modelar o autoestigma como um processo cognitivo interno e dinâmico, onde os pacientes internalizam estereótipos negativos, levando à resistência situacional, esquiva, negação ou autoculpa. Essa lacuna é exacerbada por três desafios: a falta de integração entre modelos psicológicos de autoestigma e estruturas computacionais, a ausência de conjuntos de dados que pareiem as falas dos pacientes com seu raciocínio interno subjacente, e a incapacidade técnica de agentes atuais de modular dinamicamente a expressão do estigma com base em gatilhos conversacionais.

Metodologia
Os autores propõem um novo framework de simulação fundamentado no modelo psicológico 3A1H de autoestigmatização de Corrigan (Consciência, Acordo, Aplicação e Dano). A abordagem segue um pipeline de três estágios:

1. Extração de Enunciados de Estigma: Os autores operacionalizam o autoestigma usando cinco manifestações comportamentais derivadas da literatura clínica: Esquiva, Negação, Autoculpa, Defensividade e Preocupação Social. Utilizando o GPT-5, eles anotam automaticamente turnos de diálogo de corpora de saúde mental existentes (ex: Alexander Street Transcripts, D4, Client Reaction, ESConv) para essas manifestações, garantindo a sensibilidade ao contexto ao avaliar os enunciados juntamente com o histórico do diálogo. Eles também anotam eventos de vida e sintomas associados.
2. Construção do Conjunto de Dados SSR: A inovação central é o conjunto de dados de Autorreflexão Estigmatizada (SSR - Stigmatized Self-Reflection). Para cada enunciado rotulado como estigma, o sistema gera um monólogo interno correspondente que articula os pensamentos não ditos, movidos pelo estigma, que precedem o enunciado. Esses monólogos são estruturados para refletir a progressão 3A1H (ex: "Todos dizem que pessoas deprimidas são fracas... Eu me preocupo que eles possam ter razão...") mas são expressos como cadeias de raciocínio fluentes e narrativas.
3. Treinamento com Cadeia de Estigma: Os autores enquadram a simulação de estigma como uma tarefa de geração condicional sequencial. Os modelos são ajustados (fine-tuned) usando um objetivo padrão de modelagem de linguagem para produzir duas saídas em ordem: primeiro, os "Pensamentos da Cadeia de Estigma" internos e, segundo, a resposta externa do paciente. Isso força o modelo a aprender o mapeamento do contexto para o raciocínio interno, e desse raciocínio para uma manifestação verbal externa apropriada.

Principais Contribuições

• Integração Teórica: O primeiro framework computacional que integra o modelo psicológico 3A1H para simular a progressão dinâmica e por estágios do autoestigma em agentes de pacientes.
• Conjunto de Dados SSR: Um recurso inovador que pareia enunciados de pacientes com monólogos de estigma internos, criado através do aumento de múltiplos corpora de diálogos de saúde mental.
• Validação de Desempenho: Demonstração de que modelos ajustados com a abordagem SSR superam significativamente as bases especializadas (como UPSD4 e Patient-ψ) na geração de respostas autênticas, sensíveis ao contexto e com classificação de especialista conscientes do estigma.

Resultados
Avaliações em conjuntos de teste retidos (divididos em subconjuntos de Estigma e Neutro) utilizando backbones Llama-3.1-8B e Qwen3-8B renderam as seguintes descobertas:

• Sensibilidade ao Contexto (RQ1 & RQ2): Modelos treinados com SSR alcançaram pontuações de F1 de Contexto de Estigma (CSF1) mais altas, particularmente na classe negativa (restrição em contextos neutros). Diferente das bases que frequentemente produzem estigma excessivo independentemente do contexto, os modelos SSR aprenderam a ajustar dinamicamente sua expressão, mostrando alta sensibilidade a gatilhos enquanto mantêm o comportamento apropriado em conversas neutras.
• Autenticidade Clínica (RQ3):
  • Distribuição: Os modelos SSR geraram uma distribuição equilibrada de tipos de estigma (ex: reduzindo a dependência excessiva de "Autoculpa" observada nas bases) que se alinha mais proximamente aos dados clínicos reais.
  • Precisão Comportamental: Os modelos SSR mostraram melhorias marcantes na geração de comportamentos desafiadores como Negação e Defensividade, que as bases frequentemente falham totalmente em produzir.
  • Validade Psicométrica: Ao serem pontuados contra escalas estabelecidas (SSMIS e ISMI), os modelos SSR produziram pontuações indicando níveis significativos de autoestigma (mudando de "mínimo" para "leve a moderado" ou "moderado a severo"), enquanto modelos não-SSR permaneceram em faixas mínimas.
  • Avaliação Humana: Avaliadores especialistas (profissionais de saúde mental) classificaram os modelos SSR com a maior Autenticidade e a mudança mais clara nos níveis de estigma percebidos entre contextos neutros e de gatilho de estigma em comparação com todas as bases.
  • Análise Linguística: A análise LIWC confirmou que as respostas SSR exibiram aumento de foco em si mesmo e redução de abertura social, consistentes com os marcadores linguísticos do estigma internalizado.

Significância e Alegações
O artigo alega que o framework SSR fornece um passo crucial em direção a simulações de pacientes realistas e informadas pela teoria para treinamento clínico e sistemas de diálogo empático. Ao ensinar os modelos a gerar raciocínio consciente do estigma antes de produzir respostas externas, a abordagem resulta em simulações que não são meramente "resistentes", mas que refletem dinamicamente a natureza complexa e situacional do autoestigma.

Os autores posicionam explicitamente este trabalho como uma ferramenta orientada ao treinamento, e não como um instrumento clínico pronto para implantação. Eles enfatizam que o objetivo é avançar a educação de clínicos empáticos e o desenvolvimento de sistemas de apoio que compreendam melhor o impacto do autoestigma. O artigo mantém uma postura modesta, reconhecendo limitações como a dependência do GPT-5 para anotação e a necessidade de trabalhos futuros para personalizar as simulações com base no histórico individual dos pacientes. Os autores ressaltam que a ferramenta é destinada estritamente para pesquisa e treinamento sob supervisão especializada para evitar riscos de uso indevido, má interpretação ou reforço de estereótipos.