認知の歪み検出の新たな地平：MTI-GNNの登場
計算精神医学の分野では、個人の心の健康状態を理解し、適切な介入を行うために「認知の歪み」を検出する技術が非常に重要です。しかし、これまでのアプローチは、歪んだ思考の背後にある心理学的構造を十分に捉えきれていないという課題を抱えていました。この問題を解決するため、新たに提案されたのがMTI-GNN（Multi-Perspective Triad Interaction Graph Neural Network）です。
MTI-GNNは、心理学者のアーロン・ベックが提唱した「認知トライアド」という概念に深く着目しています。これは、自己、世界、未来に対する否定的な見解が相互に関連し、認知の歪みを形成するという考え方です。MTI-GNNはこの3つの視点を補完的な要素としてモデル化し、より深いレベルで認知の歪みを検出することを目指しています。
ベックの認知トライアドをAIで再現
アーロン・ベックの認知トライアドは、うつ病などの精神疾患において、個人が自己（「私はダメだ」）、世界（「世界は不公平だ」）、未来（「未来には希望がない」）に対して抱く否定的な思考パターンを指します。MTI-GNNは、この心理学的枠組みをAIモデルに組み込むことで、単なるキーワード検出ではない、より本質的な認知の歪みを捉えようとします。
具体的には、大規模言語モデル（LLM）が各発言を「自己」「世界」「未来」という3つの視点に分解します。これにより、同じ発言であっても、どの視点からの否定的な感情が強いのかを詳細に分析することが可能になります。この視点ごとの分解が、MTI-GNNの検出精度の基盤を築いています。
MTI-GNNの技術的特徴と仕組み
MTI-GNNのアーキテクチャは、複数の革新的なモジュールで構成されています。まず、LLMによって分解された各視点の情報から、視点ごとの類似性グラフが構築され、Multi-Perspective GNNによってエンコードされます。これにより、各視点における思考のパターンが詳細に捉えられます。
次に、Triad Interactionモジュールが、これら3つの視点間の相互依存関係をモデル化します。これは、ある視点での思考が他の視点にどのように影響するかを捉えるための重要なステップです。さらに、Prototype-Guided Perspective Fusionモジュールは、ラベル情報に基づいて視点ごとの情報を集約し、最終的な分類へと導きます。訓練時には、利用可能な全ての歪みアノテーションを組み込む「Label-expanded supervision」が適用され、学習効率と精度を高めています。
驚異的な検出精度と今後の可能性
MTI-GNNの性能は、韓国語、英語、中国語の4つのデータセットからなる9,764サンプル、10種類の歪みカテゴリで評価されました。その結果、MTI-GNNは既存の全ての教師あり学習モデルを大きく上回り、さらにゼロショットおよびフューショット設定における8つのプロンプトベース生成モデルをも凌駕する性能を示しました。
アブレーション研究では、自己、世界、未来の3つの視点全てが検出に大きく貢献していることが確認されています。また、人間の専門家による評価でも、MTI-GNNが捉えた認知の次元が意図された心理学的概念と整合しているという予備的な証拠が得られました。この技術は、計算精神医学の分野において、心の健康状態の早期発見や個別化された介入の可能性を大きく広げるものと私は考えています。
AIが心の歪みを検出する。これは表面的な感情分析とは全く違う。心理学の知見をAIに組み込むのが正解です。人間が言葉にできない心の機微をAIが捉える。プロダクトにどう落とし込むか、最速で試します。
