Как ИИ помогает замечать невербальные процессы в терапии

 

Психотерапевт в работе ориентируется не только на слова клиента. Значительная часть того, что происходит в сессии, проявляется в мимике, паузах, направлении взгляда, изменении позы, в интонации голоса. Нередко именно в этих микросигналах появляется то, что ещё не оформилось в слова. Так можно заметить напряжение, стыд, сопротивление или сомнение.

Но в заочной супервизии этот слой часто исчезает. Терапевт приносит рассказ о сессии, иногда цитирует диалог или показывает транскрипт. При этом большая часть невербальной динамики остаётся за пределами обсуждения. Мы обсуждаем смысл сказанного, но теряем процесс того, как это происходило.

В последние годы исследователи начали задаваться вопросом, можно ли автоматически фиксировать такие изменения с помощью компьютерного зрения и методов машинного обучения.

Один из интересных примеров даёт исследование психодинамической терапии депрессии, в котором были проанализированы видеозаписи 283 терапевтических сессий [1]. Алгоритмы распознавания выражения лица отслеживали, как меняются эмоции клиента по ходу разговора. Оказалось, что у клиентов, у которых выражение лица быстрее переключалось между различными эмоциональными состояниями, симптомы депрессии уменьшались заметно сильнее. В течение короткого времени могла появляться грусть, затем напряжение, затем краткая улыбка и снова грусть. Исследователи интерпретировали этот эффект как показатель эмоциональной гибкости. Чем выше была такая гибкость по данным анализа мимики, тем лучше оказывался результат терапии [1].

Другой анализ тех же данных показал ещё одну закономерность. Внутри психотерапевтической сессии эмоции нередко развиваются по характерной траектории [2]. В начале встречи выражение лица клиента относительно нейтрально. В середине разговора усиливается негативный аффект, чаще всего грусть или напряжение. К концу сессии эмоциональная валентность постепенно снижается. Авторы описывают эту динамику как U‑образную эмоциональную кривую. Такая форма может отражать естественный ход обсуждения трудных тем. Сначала напряжение нарастает, затем постепенно уменьшается [2].

Похожие результаты появляются и в исследованиях мультимодального анализа консультирования. Когда системы анализируют одновременно текст разговора, выражение лица и тон голоса, иногда обнаруживается рассогласование между словами и эмоциями [3]. Клиент может говорить спокойным тоном, что он справляется с ситуацией, однако алгоритмы фиксируют признаки тревоги в голосе и мимике. В таких случаях мультимодальная модель определяет уровень стресса точнее, чем анализ только текста разговора [3].

Автоматический анализ невербального поведения начинает применяться и в обучении коммуникации. В системе виртуального пациента  исследователи отслеживали направление взгляда, наклон корпуса и жесты участников симуляции [4]. Выяснилось, что в моменты, когда виртуальный пациент говорил о страхе или тревоге, некоторые участники эксперимента отводили взгляд и уменьшали зрительный контакт. Система отмечала такие моменты и после завершения сессии давала обучающимся обратную связь [4].

Сегодня подобные технологии начинают использоваться и в супервизионной практике. Видео сессии можно автоматически проанализировать. Система отмечает пики аффекта, паузы, изменения выражения лица и напряжение голоса. На супервизии это превращается в своеобразную карту сессии, то есть в хронологию эмоциональных событий. Супервизор и терапевт могут вернуться к конкретным моментам разговора и обсудить, что происходило в контакте и какие интервенции были сделаны.

Важно понимать, что такие системы не интерпретируют терапию и не заменяют супервизора. Их функция состоит в другом. Они вводят дополнительный метод наблюдения за процессом сессии. Такой метод позволяет фиксировать микродинамику взаимодействия. Например, где усиливается аффект, где слова и эмоции расходятся, где возникает пауза или напряжение. Смысл происходящего по‑прежнему обсуждают терапевт и супервизор.

Таким образом искусственный интеллект начинает выполнять новую функцию в психотерапии. Он может использоваться как технологический метод наблюдения за процессом сессии. Если раньше невербальная динамика существовала только как впечатление терапевта, то теперь появляются инструменты, которые позволяют фиксировать её более системно. Это открывает новые возможности для анализа терапевтического процесса в супервизии и обучении.

Литература

• [1] Yitzhak Y., Zilcha-Mano S., et al. Using Automated Facial Expression Analysis to Examine Emotional Flexibility in the Treatment of Depression. Journal of Consulting and Clinical Psychology, 2024. DOI: 10.1037/ccp0000877.

  [2] Yitzhak Y., Zilcha-Mano S., et al. Facing Emotions: Between and Within Sessions Changes in Facial Expression During Psychotherapy for Major Depressive Disorder. DOI: 10.31234/osf.io/9v3ay.

  [3] Takanabe R., et al. Multimodal Emotion Recognition and Dataset Construction in Online Counseling Videos. PACLIC 2024. DOI: 10.48550/arXiv.2405.01234.

  [4] Henry S. G., et al. Enhancing Nonverbal Communication Through Virtual Human Simulation. JMIR Research Protocols, 2023. DOI: 10.2196/46601.