Forskningsprojekt Låt oss prata om icke-verbal kommunikation
Det här projektet undersöker interpersonell psykoterapeutisk interaktion och dess effekt på behandlingsresultat med hjälp av AI och tidsserieanalyser.
År 2030 beräknas psykisk ohälsa vara den främsta orsaken till sjuklighet och dödlighet i världen enligt en rapport från WHO 2011. Behovet av effektiva psykoterapeutiska behandlingar kan därmed förväntas bli allt viktigare de kommande årtiondena.
Vad som gör en terapeut kompetent och en psykoterapeutisk behandling effektiv är för närvarande mycket lite studerat. Det finns dock en växande konsensus inom psykoterapiforskningen att psykoterapeutisk behandling kan studeras som dyadiska dynamiska system. Ur denna synvinkel är det viktigt att utforska de kommunikationsmönster som uppstår över tid mellan klient och terapeut både i dess icke-verbala och verbala komponenter.
Denna interpersonella kommunikation är mycket komplex då båda parter samtidigt är sändare och mottagare av icke-verbala och verbala budskap. Den verbala kommunikationen är direkt öppen för analys, men för att förstå interpersonell kommunikation i sin helhet måste även icke-verbal kommunikation analyseras systematiskt och kopplas till det verbala innehållet.
Icke-verbal kommunikation är multimodal och inkluderar exempelvis kropps/huvudposition och rörelser, ansiktsuttryck, ögonrörelser, emotionell prosodi och fysiologiska variabler som hjärtaktivitet. Dessa icke-verbala signaler utgör också delar av de komplexa interaktionella synkroniseringsmönster som inkluderar speglingar av emotionella uttryck. Att följa denna komplexa kommunikationsdynamik är sällan möjlig ens för tränade observatörer.
Forskarna i projektet avser att använda ny digital teknik för att mäta ovan nämnda icke-verbala variabler på ett objektivt sätt. Data kommer att analyseras med metoder som maskininlärning och tidsserieanalyser för att undersöka vilka icke-verbala beteendemönster som kan predicera terapiutfall. Detta möjliggör helt nya sätt att analysera och bättre förstå de interpersonella processer som är centrala för utfallet vid psykoterapeutisk behandling.
Ett övergripande mål är att fylla kunskapsluckor när det gäller icke-verbal kommunikation och dess relation till verbala kommunikationskomponenter och till behandlingsutfall. Denna nya kunskap förväntas förbättra psykoterapiutbildning, vilket i sin tur ger bättre utbildade psykoterapeuter och bättre fungerande behandlingar, samt mindre psykisk ohälsa i befolkningar, och till minskade kostnader för samhället som helhet.
Inbjudan till webinarium för terapeuter som vill delta i projektet
Webinarium för psykotearpeuter med KBT-inriktning äger rum den 23 april kl. 8:00 och 24 april 12:00.
Webinarium för psykotearpeuter med PDT-inriktning äger rum den 30 maj kl. 8.00 och kl. 16.30.
Projektets fullständiga titel: Låt oss prata om icke-verbal kommunikation: Undersökning av interpersonell psykoterapeutisk interaktion och dess effekt på behandlingsresultat med hjälp av AI och tidsserieanalyser.
Projektbeskrivning
I detta banbrytande tvärvetenskapliga projekt sammanförs områdena psykologi och datavetenskap. Kombinationen av forsknings- och utvärderingsmetoder från datavetenskapens område med psykoterapiforskningsmetoder, samt kombinationen av verbala och icke-verbala data i utvärderingsstrategin, skapar en innovativ progression inom detta tvärvetenskapliga område.
Psykoterapi konceptualiseras som en hyperkomplex interaktionell process, som involverar olika kommunikationsmodaliteter och affektiva beteenden som utvecklas över tiden. Ur en datavetenskaplig synvinkel är det alltid en utmaning att bygga prediktiva modeller från datakällor av heterogen natur, multimodalitet och hög komplexitet. Samtidigt efterlyser psykologiområdet maskininlärningsmetoder som kan hjälpa till att upptäcka ny kunskap och definiera nya metoder när det gäller att förbättra de psykoterapeutiska metoderna.
Ur psykoterapiforskningssynpunkt gör nya utvecklingar inom datavetenskap, särskilt med avseende på tillämpning av AI-baserade utvärderingsprocedurer av komplexa data över tid, det möjligt för första gången att undersöka data som extraherats från de hyperkomplexa mänskliga interaktionsprocesserna i psykoterapi i ett adekvat sätt. Dessutom bryter detta forskningsprojekt ny mark med avseende på kombinationen av analys av verbala och icke-verbala data. De objektiva måtten på icke-verbala interaktionsvariabler, som gör det möjligt för psykoterapeuter att avslöja interaktiva mönster, kan inte bara ha en inverkan på resultatet av betydelse för psykoterapiprocessforskare utan också för alla slags forskare inom humaniora som undersöker mänskliga interaktionsprocesser.
Förebyggande och tidiga insatser är nödvändiga för att minska sjukdomsbördan och de ekonomiska kostnaderna förknippade med psykiska störningar (Beames 2021). Nuvarande behandlingar beräknas endast minska cirka en tredjedel av sjukdomsbördan (van Zoonen 2014). En möjlig orsak är att det inte finns tillräcklig kunskap om de interaktioner och interaktiva kommunikationsdrag som är involverade i terapeutens och patientens interpersonella kommunikation. Till exempel kan terapeuten mycket väl vara medveten om många av patientens icke-verbala signaler, men det kanske inte ens för en välutbildad och erfaren person är möjligt att uppmärksamma alla subtila signaler, inklusive mikro-affekter och egna icke-verbala signaler. Vi vill undersöka hur ökad kunskap om icke-verbal kommunikation och interaktiva mönster i psykoterapier kan leda till förbättrad psykoterapiutbildning och bättre utbildade psykoterapeuter som kan utföra bättre fungerande behandlingar. Detta skulle i sin tur leda till mindre psykisk ohälsa i befolkningen, det vill säga till bättre livskvalitet för en stor grupp individer och till minskade kostnader för samhället som helhet.
Maskininlärningstekniker har nyligen använts i psykologisk forskning för att identifiera generaliserbara prediktorer för diagnos, behandling och beslutsstöd (för en omfattningsöversikt, se Shatte 2019). Dessutom visar forskningen att effektiviteten av befintliga metoder för förebyggande och tidiga insatser är större när de levereras tidigt. Därför finns det ett uppenbart behov av effektiva och tolkbara maskininlärningsmodeller för tidig förutsägelse och förebyggande av psykiska störningar. Syftet med detta projekt är att använda förklarlig artificiell intelligens (XAI) och tidsserieteknik för att:
- Dokumentera systematiskt relevanta dimensioner involverade i psykoterapeutisk kommunikation, t.ex. affektiva uttryck såväl som icke-verbal kommunikation.
- Undersöka interaktiva mönster och ömsesidiga effekter av icke-verbalt beteende i dyadiska interaktioner.
- Undersök effekterna av icke-verbal kommunikation på terapiresultat.
- Undersök utvecklingen och bearbetningen av den så kallade ”arbetsalliansen” baserad på icke-verbala dyadiska kommunikationsdrag.
- Undersök de dynamiska egenskaperna hos "arbetsalliansen" som ett ständigt föränderligt relationsverktyg som är relevant för behandlingsresultat.
- Undersök tidiga processindikatorer inom patient-terapeut-dyaden med prediktiv potential för utfallet av psykoterapi.
- Utveckla en utbildningsmodell inklusive relevanta parametrar för att förbättra psykoterapeutisk kapacitet för att förbättra arbetsalliansen.
- Förbättra psykoterapiutbildningen genom att föreslå nya utbildningstekniker i de olika psykoterapiutbildningarna i de nordiska länderna.
Projektmedlemmar
Projektansvariga
Stephan Hau
Professor
Medlemmar
Therese Anderbro
Universitetslektor
Nora Choque Olsson
Universitetslektor, docent, leg. psykolog, leg. psykoterapeut, specialist i klinisk psykologi
Lillian Döllinger
Adjungerad lärare
Håkan Fischer
Professor i Humanbiologisk psykologi
Lennart Högman
Universitetslektor
Petri Laukka
Professor
Ioanna Miliou
Universitetslektor
Panagiotis Papapetrou
Professor, ställföreträdande prefekt
Luis Velez Quintero
Utbildningsassistent
Thomas Jack Samuels
Gäst
