Resumo Técnico: O Paciente Virtual Adaptativo com Fundamentação Empírica para Treinamento em Psicoterapia

Declaração do Problema

Os Grandes Modelos de Linguagem (LLMs) são cada vez mais utilizados como agentes conversacionais para o treinamento de micro-habilidades psicoterapêuticas, como a resposta empática e a sondagem exploratória. No entanto, os sistemas atuais enfrentam uma limitação crítica: ou dependem de roteiros fixos que impedem a adaptação turno a turno, ou utilizam LLMs com prompts de persona estáticos que derivam de forma imprevisível ao longo de sessões longas. Embora os agentes possam soar como pacientes, eles frequentemente falham em exibir as mudanças de estado contingentes e evolutivas necessárias para um treinamento realista. Especificamente, uma sessão de terapia realista envolve um paciente que é inicialmente reservado e que apenas gradualmente se abre à medida que o estagiário demonstra habilidades específicas (empatia e exploração). As abordagens adaptativas existentes frequentemente utilizam mapeamentos baseados em regras de pontuações de avaliação para o comportamento que não são fundamentados na teoria da psicoterapia ou em dados empíricos, falhando em modelar a progressão gradual pela qual os comportamentos do terapeuta moldam o estado de um paciente ao longo do tempo.

Metodologia

Os autores propõem o Paciente Virtual Adaptativo (AVP - Adaptive Virtual Patient), um framework que separa as transições de estado comportamental da geração de linguagem. O sistema opera em três componentes distintos por turno:

1. Detecção de Habilidade: Dois avaliadores de LLM pontuam a última fala do estagiário em comportamentos clinicamente significativos:
   • Empatia: Compreendendo interpretação ($i$), reação emocional ($e$) e reflexão ($r$), pontuadas em uma escala de 0 a 2.
   • Exploração ($x$): Perguntas abertas e sondagens, pontuadas em uma escala de 0 a 2.
2. Atualização de Estado (Módulo de Dinâmica): Um módulo de dinâmica acumula essas pontuações em uma pontuação cumulativa contínua ($D_t$). Este módulo é fundamentado empiricamente em um Modelo de Equações Estruturais (SEM) derivado de quase 2.000 horas de transcrições de psicoterapia do mundo real. A regra de atualização é definida como:
   $$\Delta_t = c + w_i i_t + w_{er} e_t + w_r r_t + w_{ex} x_t + \epsilon_t$$
   onde os pesos $w = (1, 1, 1, 3)$ aproximam a razão empatia-exploração encontrada no SEM. A pontuação cumulativa $D_t$ é classificada em três níveis ordinais de revelação: Reservado (G), Médio (M) e Alto (H), baseados em limiares fixos.
3. Geração de Resposta Condicionada: Um LLM gera a próxima fala do paciente. Crucialmente, o LLM é condicionado ao nível de revelação atual. O prompt inclui:
   • Uma instrução de restrição de revelação (ex: "Sam não compartilha nenhuma informação pessoal" para o nível G).
   • Um conjunto de tópicos de revelação específicos para o nível atual (tópicos neutros para G, conteúdo pessoal específico para M, material sensível/de crise para H).
   • O resumo do cenário e o histórico do diálogo.

Esta arquitetura garante que o LLM não possa revelar informações sensíveis até que o gerenciador de estado explicitamente permita através do nível de revelação, prevenindo a "autorrevelação excessiva" comum em baselines de apenas prompt.

Principais Contribuições

O artigo apresenta três contribuições primárias:

1. Um Framework Modular para Adaptatividade Comportamental: Os autores introduzem um framework de paciente virtual onde a mudança comportamental é tratada por um módulo pequeno e explícito entre o turno do usuário e a resposta do agente. Ao atualizar um estado de revelação latente usando pesos derivados de um SEM empírico e condicionando o LLM a esse estado, o sistema torna a adaptação inspecionável, controlável e distinta do processo de geração de linguagem.
2. Um Framework de Avaliação de Quatro Propriedades: O artigo propõe e operacionaliza quatro propriedades mensuráveis para pacientes virtuais adaptativos:
   • P1 Responsividade: O estado muda na direção prevista pelos dados empíricos em resposta ao comportamento do usuário.
   • P2 Construção Gradual: A revelação aumenta de forma constante ao longo da sessão, avançando apenas conforme a competência do usuário se acumula.
   • P3 Realização Fiel: O texto gerado corresponde ao estado interno pretendido pelo sistema.
   • P4 Sensibilidade de Habilidade: Diferentes estratégias de usuário (alta vs. baixa habilidade) produzem trajetórias de revelação visivelmente diferentes.
3. Validação Empírica: Através de um estudo envolvendo 20 clínicos e estagiários (80 sessões, 1.033 turnos), os autores demonstram que o AVP produz trajetórias de revelação coerentes e ascendentes que correspondem ao seu estado interno, enquanto um baseline de apenas prompt (SVP) permanece plano ou inadequadamente alto.

Resultados

A avaliação comparou o VP Adaptativo (AVP) contra um VP Estático (SVP) usando duas personas (Sam e Alex) ao longo de 80 sessões:

• Responsividade (P1): A análise de regressão mostrou que o estado de revelação do AVP responde significativamente à exploração do usuário ($\hat{\beta} = +0,281, p < ,001$), enquanto o SVP não mostrou resposta significativa. Notavelmente, os dados empíricos sugeriram que a exploração impulsiona a revelação aproximadamente 78 vezes mais do que a empatia, embora o sistema implantado tenha usado uma razão de 3:1.
• Construção Gradual (P2): O AVP demonstrou uma subida forte e constante na revelação de Reservado (G) para Médio (M) ao longo da sessão ($R^2 = 0,94$). Em contraste, o SVP começou em um nível de revelação alto e permaneceu plano ($R^2 = 0,15$), falhando em condicionar a abertura à habilidade do estagiário.
• Realização Fiel (P3): O texto gerado pelo AVP alinhou-se com seu nível de revelação pretendido 65,1% das vezes, superando significativamente o SVP (31,1%). O SVP frequentemente produzia "falsos positivos" para alta revelação (H) independentemente do estado pretendido.
• Sensibilidade de Habilidade (P4): Estagiários de alta habilidade elicitaram trajetórias de revelação mais íngremes ($\Delta = +0,85$) em comparação com estagiários de baixa habilidade ($\Delta = +0,60$) na condição AVP. O SVP não mostrou tal diferenciação.
• Avaliações Humanas: Terapeutas licenciados avaliaram a versão adaptativa da persona expressiva (Alex) de forma mais positiva em consistência, adaptabilidade, realismo e utilidade de treinamento. No entanto, para a persona reservada (Sam), a versão adaptativa foi avaliada de forma inferior quanto à percepção de adaptabilidade, sugerindo que a contenção lenta e calibrada projetada para clientes reservados pode ser percebida como falta de responsividade em interações curtas.
• Estudo de Ablação: Remover a exploração do vetor de pesos causou a maior queda no acordo com avaliadores independentes (-15,8 pontos percentuais), confirmando que a exploração é o sinal dominante para impulsionar as mudanças de revelação.

Significância e Alegações

O artigo alega que o framework AVP representa um passo em direção a agentes de conversação comportalmente adaptativos ao fundamentar o comportamento de longo horizonte em dinâmicas de interação empíricas, em vez de apenas engenharia de prompt. Os autores argumentam que:

• Separação de Estado e Geração: A separação arquitetônica do estado comportamental (módulo de dinâmica) da geração de linguagem é essencial para controle e testabilidade, um feito não alcançável com sistemas de apenas prompt.
• Fundamentação Empírica: O valor do sistema reside em sua parametrização derivada de dados de psicoterapia reais, permitindo modelar a progressão gradual da aliança terapêutica e da revelação.
• Limites dos LLMs: Os autores afirmam que a adaptatividade não emerge automaticamente com melhores LLMs porque os LLMs carecem de uma abstração de estado persistente e tendem à cooperação. As dinâmicas de quando mudar o estado (ex: a razão empatia-exploração) são estimativas empíricas que devem ser explicitamente modeladas, não derivadas do pré-treinamento.
• Generalização: Embora validada na psicoterapia, a arquitetura (dinâmica empírica $\to$ estado ordinal $\to$ geração com controle de conteúdo) é apresentada como transferível para outros domas onde o comportamento do usuário prevê respostas graduadas do agente, como entrevistas médicas ou treinamento de negociação.

Os autores permanecem modestos quanto às limitações, observando que o sistema é uma ferramenta de treinamento, não um substituto clínico; que o modelo empírico reflete a distribuição específica de seu corpus de treinamento; e que a janela de avaliação atual (aprox. 10 turnos) pode ser muito curta para capturar totalmente a percepção de adaptatividade de personas reservadas.