CARE：オンラインメンタルヘルス支援のためのカウンセラー整合応答エンジン

Abstract

メンタルヘルスの課題は世界的に増加しており、情緒的な支援サービスに負荷をかけ、カウンセラーの過重労働につながっています。これにより、自殺念慮のような重要な状況において応答が遅れる可能性があり、適時の介入が不可欠です。大規模言語モデル（LLM）は強力な生成能力を示してきましたが、特にメンタルヘルスのようなセンシティブな領域における低資源言語での活用は、十分に検討されていません。さらに、既存のLLMベースのエージェントは、大規模な現実データに対する学習が不足しているため、専門家が用いる支援的な言語や介入戦略を再現することにしばしば苦労しています。 そこで本研究では、カウンセラーを支援するGenAIフレームワークであるCARE（Counselor-Aligned Response Engine）を提案します。CAREは、リアルタイムで心理的に整合した応答の推奨を生成することで、カウンセラーを支援します。CAREは、キュレーションした現実の危機会話のサブセットを用いて、ヘブライ語とアラビア語それぞれについてオープンソースのLLMを個別にファインチューニングします。学習データは、専門のカウンセラーによって「非常に有効」と評価されたセッションで構成されており、成功したエスカレーション抑制（デエスカレーション）に関連するインタラクションのパターンをモデルが捉えられるようにします。会話履歴の完全な形で学習することで、CAREはカウンセラーと支援を求める人との対話における、変化していく情動の文脈と動的な構造を維持します。 実験設定において、CAREは、非専門のLLMと比較して、ゴールドスタンダードのカウンセラー応答に対するより強い意味的および戦略的な整合性を示します。これらの結果は、専門家によって検証されたデータに基づく領域特化型のファインチューニングが、低資源言語の文脈におけるカウンセラーの業務フローを大きく支援し、ケアの質を向上させ得ることを示唆しています。