深度學習模型通過五項練習中的三項達到了人類水平的熟練程度，將超過33，000名接受在線治療的談話療法患者的言語表達準確分類。

該模型是由Ieso Digital Health的研究人員開發(fā)和測試的，該公司是英國一家提供互聯(lián)網(wǎng)功能的認知行為療法（CBT）的提供商。

Michael Ewbank博士及其同事的研究成果于7月3日在線發(fā)表在Psychotherapy Research上。

在340個手動注釋的會話記錄本上訓練了他們的算法。他們使用該系統(tǒng)將患者的話語自動分類為五個指定的文本類別中的一個或多個，從而發(fā)現(xiàn)它可以像人類一樣出色地識別三個人。

作者在概述其研究目標時寫道：“了解患者對心理治療的反應對于制定有效的干預措施很重要。”“但是，對患者語言進行編碼是一項資源密集型的練習，很難大規(guī)模執(zhí)行。”

此外，研究小組發(fā)現(xiàn)患者的語言與其臨床結果之間存在關聯(lián)。

深度學習促進的自動注釋的應用“提供了一種有效的方法，可以在基于文本的基于互聯(lián)網(wǎng)的CBT期間獲得對患者話語的分類，其規(guī)模超出了心理治療研究的范圍，為患者之間的正向和負向聯(lián)系提供了證據(jù)話語類別和結果，”作者總結道。

他們補充說：“結合對治療師語言的自動理解，深度學習可用于實現(xiàn)以數(shù)據(jù)為依據(jù)的對治療干預，患者語言和臨床結果之間關系的理解。