LLMs ermöglichen personalisierte Therapie‑Netzwerke aus Sitzungsprotokollen

In einer wegweisenden Studie haben Forscher gezeigt, wie große Sprachmodelle (LLMs) aus 77 Therapie‑Transkripten automatisch individuelle Netzwerke psychologischer Prozesse generieren können. Diese Netzwerke unterstützen Therapeuten bei der Fallkonzeption und der Planung maßgeschneiderter Behandlungsmodule.

Die Autoren annotierten 3 364 psychologische Prozesse und deren Dimensionen in den Transkripten. Mithilfe von In‑Context‑Learning identifizierten sie die Prozesse und ihre Dimensionen mit hoher Genauigkeit – selbst bei wenigen Trainingsbeispielen. Anschließend gruppierten sie die Prozesse in klinisch sinnvolle Cluster und ergänzten die Beziehungen zwischen den Clustern mit erklärenden Texten.

Expertenbewertungen zeigten, dass die Netzwerke aus dem mehrstufigen Ansatz klinisch nutzbar und interpretierbar sind. Bis zu 90 % der Fachleute bevorzugten diese Methode gegenüber direktem Prompting. Die Netzwerke erhielten zudem positive Bewertungen hinsichtlich klinischer Relevanz, Neuheit und Nützlichkeit (Score 72‑75 %).

Die Ergebnisse liefern einen überzeugenden Proof‑of‑Concept dafür, dass LLMs die Skalierbarkeit von netzwerk‑basierten Therapie‑Personalisierungen erheblich verbessern können. Durch die bottom‑up‑Ansatz lassen sich individuelle Fallkonzepte schneller und präziser erstellen, was die Effektivität psychotherapeutischer Interventionen steigern dürfte.