För människor som kämpar för att övervinna missbruk, bra terapi kan vara enormt fördelaktigt. Men dålig terapi är värre än ingen terapi alls.

Utmaningen är att kunna se skillnad. Praktiserande kuratorer får sällan feedback, så det är svårt för dem att veta om de ger optimal behandling till sina patienter.

Nordostprofessorn Tad Hirsch arbetar för att ändra på det. Han har utvecklat ett system som registrerar rådgivningssessioner och betygsätter dem, generera ett rapportkort för terapeuter.

Tekniken används redan vid en universitetsutbildningsklinik och ett nätverk av behandlingsanläggningar för opioidberoende. När den väl har skalats upp, systemet kan skapa en ny standard för vård för terapi och leda till förbättrad psykisk hälsa för patienter över hela världen.

Så här fungerar det:Hirsch och hans medarbetare började med att spela in 356 rådgivningssessioner. Från dessa sessioner, de drog ut 300, 000 uttalanden och sammanställde dem till en databas. Sedan kammade ett team av psykologexperter igenom uttalandena och kodade dem.

Kodning är en analytisk process där data kategoriseras. I detta fall, experterna kodade uttalanden baserat på hur nära de överensstämde med tekniker som används i motiverande intervjuer, en typ av psykoterapi.

Nästa, forskare använde den kodade datamängden för att träna en maskininlärningsmodell. Detta är en form av artificiell intelligens. När modellen väl är utbildad, resultatet är ett system som kan spela in en rådgivningssession, skapa en utskrift av vad som sades, analysera avskriften, betygsätta sessionen, och ge specifik feedback till läkare.

Med andra ord, en dator utvärderar terapeuter och berättar för dem hur de kan förbättra sig.

Hur reagerar terapeuter på att bli bedömda av en maskin? Hirsch och hans medarbetare avslutade nyligen en studie för att ta reda på, testar tekniken med 21 rådgivare. Resultaten var överväldigande positiva.

"Vi fann att överallt, de såg alla värdet i det vi gjorde, sade Hirsch, en professor i design vid Northeastern vars forskning fokuserar på skärningspunkten mellan design, teknik, och social rättvisa.

"Kliniker beskrev tekniken som korrekt, insiktsfull, och användbar. De tyckte också att verktyget var särskilt värdefullt för träning, som ett sätt att ge feedback till rådgivare när de blev certifierade, sa Hirsch.

Terapeuter uttryckte också en hög grad av tillit till maskininlärningsmodellen. Hirsch sa att detta är troligt eftersom framsteg inom artificiell intelligens har bevakats utförligt i nyheterna, och allmänheten har generellt en positiv syn på tekniken. Plus, som Hirsch sa en terapeut uttryckte det, "Det är svårt att argumentera med en dator."

Och medan maskininlärningsmodellen utvärderar terapisessioner med cirka 90 procents noggrannhet jämfört med en mänsklig expert, Hirsch varnar för att systemet inte är ofelbart. Och insatserna är höga.

"Detta är annorlunda än när Netflix ger en filmrekommendation som du inte råkar gilla, " sa Hirsch. Han uppmuntrar terapeuter att säga ifrån om de inte håller med maskinens bedömning och att använda rapportkortet som en språngbräda för att finslipa sin praktik.

"Som designers, vi vill säkerställa att de förutsägelser som våra modeller gör är kontextualiserade, så att människor kan förstå hur dessa system fungerar tillräckligt bra för att tolka resultat och resultat som de kan se, snarare än att bara ta dem till nominellt värde, sa Hirsch.