ODRA: 체계적인 사고 과정과 동적 환자 저항을 활용한 인지 행동 치료 세션 합성

ODRA: Synthesizing Cognitive Behavioral Therapy Sessions with Structured Chain-Of-Thought and Dynamic Patient Resistance

인지 행동 치료(CBT) 세션을 합성하는 것은 엄격한 치료 구조를 준수하면서 실제 환자의 저항적이고 예측 불가능한 행동을 모델링해야 한다는 상반된 요구 사항 때문에 어려운 과제입니다. 기존의 스크립트 기반 방법은 동적인 치료 상호 작용을 제대로 반영하지 못하며, 멀티 에이전트 접근 방식은 CBT의 순차적 구조를 따르는 데 어려움을 겪습니다. 또한 이러한 방법들은 환자가 지나치게 순응하는 경향이 있어 실제 임상 환경을 왜곡하는 결과를 초래합니다. 본 연구에서는 인지 행동 치료의 기본 원칙(Beck, 2020)에 기반한 사고 과정(Chain-of-Thought, CoT) 전략을 사용하여 치료 대화를 합성하는 새로운 프레임워크인 ODRA를 소개합니다. ODRA는 환자의 지나친 순응 문제를 해결하기 위해 저항 조율기를 통합하여, 환자의 저항 수준에 따른 행동을 유도하는 기술을 사용합니다. 자동 평가 및 전문가 평가는 ODRA가 기존 방법보다 치료 기술, CBT 일관성 및 환자 행동의 정확성 측면에서 상당한 우수한 성능을 보인다는 것을 보여줍니다. 또한, 13가지 임상 지표 중 12가지 항목에서 면허를 소지한 심리학자들이 ODRA 세션을 선호했습니다. 게다가, 저희 데이터셋으로 미세 조정된 모델은 협조적인 환자와 저항적인 환자 모두에게서 뛰어난 치료 성능을 보여주었으며, 이는 합성 학습 데이터에 명시적으로 포함된 저항 모델링이 실제 임상에서의 견고성 향상에 직접적으로 기여한다는 것을 입증합니다.

Synthetic generation of Cognitive Behavioral Therapy (CBT) sessions is challenged by two competing demands: adhering to strict therapeutic structure while modeling the resistant, unpredictable behavior of real patients. Existing script-based methods fail to capture dynamic therapeutic interactions, while multi-agent approaches struggle to adhere to CBT's sequential structure; both suffer from sycophancy, producing overly compliant patients that misrepresent real clinical settings. In this work we introduce ODRA, a novel framework for synthesizing therapy dialogues through a Chain-of-Thought (CoT) strategy grounded in foundational CBT guidelines (Beck, 2020). ODRA further incorporates a resistance orchestrator to solve patient sycophancy, which employs steering techniques to elicit behaviors aligned with their resistance level. Automated and expert evaluations show that ODRA significantly outperforms existing methods across therapeutic skills, CBT alignment, and patient behavioral fidelity, with licensed psychologists preferring ODRA sessions across 12 of 13 clinical metrics. Furthermore, models fine-tuned on our dataset demonstrate superior therapeutic performance against both cooperative and resistant patients, validating that explicit resistance modeling in synthetic training data directly translates to downstream clinical robustness.