アーヴィンド・ピライ (Arvind Pillai) ら研究チームは2026年10月21日(現地時間)、大規模言語モデル (LLM) を用いた心理療法忠実度評価の自動化に関する研究論文を学術誌arXivで公開した。この研究は、治療者が治療プロトコルにどれだけ忠実に従っているかを評価する心理療法忠実度評価が、現在の手動による専門家レビューによって非効率的かつスケーリング不可能であるという課題に対応するもの。
研究チームは、この評価プロセスのスケーリングと臨床家（セラピスト）の自己学習支援を目的に、大規模言語モデルを統合的に応用する手法を提案している。この手法は、本物の長文臨床記録から実用的なスーパーバイザーフィードバックを自動で生成する。
研究では、複数のタスク分解構成と推論戦略を用いて3つのオープンウェイトモデルを評価した。その結果、evidence-first reasoningが忠実度推定を改善することが示された。さらに、独立したランダム化比較試験 (RCT) において、提案フレームワークの外部構成概念妥当性を確立。コアとなる治療スキルにおいて、認知的行動療法 (CBT) のセッションと非CBTのセッションを確実に区別できることを実証した。
生成されたフィードバックを評価するためのユーザー調査も実施され、精神保健専門家からは、このパイプラインが実用的な臨床フィードバックを合成するとの見解が示されている。本研究は、地域精神保健分野におけるスーパービジョンのギャップを埋める、実用的かつスケーラブルなソリューションを提供するものとしている。
参考: arXiv cs.CL (アーカイブ) — 2026年10月22日 13:00 (JST)
原文ハイライト"our work offers a practical, scalable solution toward bridging the community mental health supervision gap."