روایت بالینی؛ مانی و چرخه گفتگوهای شبانه با هوش مصنوعی

یادداشت مهم اخلاقی: شرح حال زیر کاملا ساختگی و بر اساس یک الگوی بالینی فرضی تنظیم شده است و هیچ گونه ارتباطی با هویت بیماران واقعی ندارد. این روایت صرفا جهت تبیین تعاملات رفتاری با ابزارهای دیجیتال در اختلالات خوردن ارائه می شود.

مانی روی مبل نشست و بی درنگ گوشی هوشمندش را کنارش گذاشت. انگشتش را روی نمایشگر کشید تا صفحه چت با چت بات هوش مصنوعی روشن بماند. تاریخچه ای طولانی از پیام های بی وقفه روی صفحه بالا می رفت. نگاهش مدام به متن ها بود و ناخن شستش را به لبه قاب گوشی فشار می داد.

او گفت: «ساعت دو نصف شب که حمله پرخوری شروع می شود، اول پنج تا پرامپت طولانی می نویسم. به هوش مصنوعی می گویم اگر الان این پاکت بزرگ چیپس و نصف کیلو بستنی را بخورم دقیقا چند کالری جذب می شود؟ بعد از اینکه خوردم، سراغ هوش مصنوعی می روم و می پرسم چطور فردا بیست ساعت فستینگ بگیرم یا چند کیلومتر بدوم تا اثرش کاملا پاک شود. اگر سیستم جواب ندهد یا هنگ کند، اضطراب گلویم را می بندد.»

مانی مکث کرد، سرش را با تردید بالا آورد و با صدایی گرفته ادامه داد: «پریشب تمام متن هایی که ربات درباره آسیب های فستینگ افراطی داده بود را پاک کردم چون نمی خواستم مانع کارم شود. از او برنامه می خواستم تا بهم یاد بدهد چطور میل به خوردنم را خفه کنم. وقتی شروع به شمارش می کند یک آرامش موقت پنج دقیقه ای می آید، اما به محض بستن نرم افزار، می بینم دوباره در تاریکی آشپزخانه هستم و لقمه ها را با عجله قورت می دهم. صبح فردا هم با پاهای لرزان از ضعف روی تردمیل می دوم تا آن کالری های دیشب را بسوزانم. حس می کنم به جای درمان، دارم از این دستگاه مدرن به عنوان شریک جرم وسواس هایم استفاده می کنم.»

او در طول صحبت، چند بار دیگر صفحه گوشی را لمس کرد تا پیام قبلی را دوباره مرور کند؛ رفتاری که نشان می داد مانی گرفتار یک چرخه نشخوار فکری و تلاش وسواسی برای به دست آوردن پاسخی قطعی از ماشین شده است، بدون آنکه ارتباطی با واقعیت هیجانی درون خود برقرار کند.

ماهیت پرخوری عصبی و ابعاد رفتاری آن

پرخوری عصبی یا بولیمیا نروزا وضعیتی است که در آن فرد دوره های تکرارشونده ای از مصرف بسیار سریع مقادیر غیرعادی غذا در بازه زمانی کوتاه را همراه با حس فقدان کامل کنترل تجربه می کند. این حملات با احساس گناه شدید، درماندگی و هراس فلج کننده از افزایش وزن همراه است.

وجه تمایز این وضعیت، بروز رفتارهای جبرانی پس از حمله است. برخلاف باور عمومی که رفتارهای جبرانی را صرفا به پاکسازی مکانیکی محدود می داند، این رفتارها طیف گسترده ای از روش ها مانند روزه داری های طولانی، رژیم های حذفی افراطی، مصرف خودسرانه مسهل ها و ورزش های وسواسی و خسته کننده چندساعته را نیز شامل می شود.

درمان شناختی رفتاری بهینه شده CBT-E؛ پروتکل استاندارد جهانی

درمان شناختی رفتاری بهینه شده برای اختلالات خوردن که به اختصار CBT-E نامیده می شود و توسط پروفسور کریستوفر فیربورن طراحی شده است، خط اول درمان های بالینی این حوزه به شمار می رود. این رویکرد به جای تمرکز سطحی بر کاهش وزن، سازوکارهای روان شناختی پایداری را هدف قرار می دهد که اختلال را زنده نگه می دارند.

پروتکل فیربورن بر این اصل استوار است که ارزش گذاری افراطی بر شکل بدن و وزن، هسته اصلی تمامی رفتارهای ناکارآمد بعدی از جمله پرخوری های تکانشی و رفتارهای جبرانی است. شکستن این چرخه نیازمند بازسازی گام به گام عادات روزمره و تغییر باورهای شناختی است.

استفاده از هوش مصنوعی برای شناسایی عوامل تداوم بخش اختلال

ابزارهای هوش مصنوعی اگر بر پایه دستورالعمل های درمانی صحیح هدایت شوند، می توانند نقش یک دفترچه تعاملی پایش فردی (Self-Monitoring) را ایفا کنند. رفتارهایی که اختلال را تغذیه می کنند عبارتند از:

• رژیم های غذایی سختگیرانه: نخوردن های طولانی که مغز را به نقطه تسلیم بیولوژیک و انفجار پرخوری می کشاند.
• وارسی افراطی بدن (Body Checking): بررسی وسواسی ابعاد شکم یا وزن کشی های چندباره در روز.
• اجتناب کامل از بدن: نپوشیدن لباس های متناسب و فرار از نگاه به آینه که اضطراب پنهان را افزایش می دهد.

مراجعان می توانند از هوش مصنوعی بخواهند که محرک های محیطی و هیجانی پیش از حملات پرخوری را شناسایی کند و الگوهای تکرارشونده این رفتارها را به شکل ساختارمند ترسیم نماید.

بازسازی سیستم غذا خوردن منظم با پشتیبانی هوش مصنوعی

پایه اصلی موفقیت در پروتکل درمان شناختی رفتاری، استقرار سیستم تغذیه منظم (Regular Eating) است. این ساختار شامل سه وعده غذایی اصلی و دو تا سه میان وعده با فواصل مشخص و بدون حذف هیچ گروه غذایی است.

هوش مصنوعی می تواند به عنوان یک ابزار برنامه ریزی رفتاری عمل کند؛ به این صورت که کاربر برنامه زمان بندی ثابتی را تنظیم کرده و هنگام مواجهه با وسوسه حذف وعده یا عقب انداختن غذا، از راهنماهای متنی از پیش تعریف شده برای پایبندی به ساعت مشخص غذا خوردن استفاده کند. شواهد بالینی نشان می دهد که پایبندی به این ساختار زمانی منظم، در مدت چند هفته حملات پرخوری را به شدت کاهش می دهد.

مدیریت و توقف رفتارهای جبرانی فرساینده

رفتارهای جبرانی اعم از ورزش افراطی، مصرف ملین و مسهل، و فستینگ شدید آسیب های جسمانی غیرقابل جبرانی از جمله عدم تعادل الکترولیت ها، مشکلات گوارشی مزمن و فرسودگی عضلانی ایجاد می کنند. علاوه بر این، رفتارهای جبرانی توهم مجوزی برای پرخوری بعدی را در ذهن بازتولید می کنند.

درمانجویان می توانند از هوش مصنوعی برای طراحی برنامه های تاخیر رفتاری (Delaying Tactics) استفاده کنند. در این تمرین، فرد در لحظه هجوم تکانه برای انجام رفتار جبرانی، انجام آن را ده تا بیست دقیقه به تاخیر می اندازد و با نوشتن احساسات خود، شدت تکانه اضطرابی را مهار می کند.

اصلاح خطاهای شناختی و تنظیم هیجانات مرتبط با بدن

مهم ترین محور در تغییر پایدار رفتارهای خوردن، شناسایی گفتگوی درونی منفی و خطاهای شناختی نظیر تفکر همه یا هیچ است. وقتی یک مراجع می گوید «چون یک قاشق برنج اضافه خوردم تمام رژیمم نابود شد پس بگذار تا جایی که می توانم بخورم»، گرفتار خطای شناختی شده است.

با آموزش پرامپت نویسی مبتنی بر بازسازی شناختی، مراجع می تواند افکار خودکار منفی را وارد چت بات کرده و نسخه های جایگزین، واقع بینانه و خنثی را دریافت کند. این فرآیند به تفکیک احساسات از اعمال واقعی کمک می کند.

مرزهای بالینی؛ چرا هوش مصنوعی جایگزین روان درمانگر نیست؟

به رغم تمامی مزایا، استفاده بدون نظارت از ابزارهای هوش مصنوعی خطرات جدی به همراه دارد. مدل های زبانی فاقد درک همدلانه بالینی، توانایی سنجش خطرات فوری پزشکی و تشخیص مقاومت های روانی ناخودآگاه بیمار هستند.

گاهی بیماران به اشتباه از هوش مصنوعی به عنوان منبعی برای اعتبارسنجی وسواس های کالری شماری یا تایید روش های ناسالم جبرانی استفاده می کنند. هوش مصنوعی صرفا یک دستیار در اجرای تکالیف خانگی درمان شناختی رفتاری است و محور اصلی درمان همواره رابطه درمانی امن میان بیمار و روان پزشک یا درمانگر متخصص است.

جمع بندی و چشم انداز درمانی

پرخوری عصبی اختلالی ریشه دار اما کاملا قابل درمان است. به کارگیری رویکرد ساختارمند CBT-E چارچوبی روشن برای رهایی از اضطراب غذا و وزن فراهم می کند. بهره گیری هوشمندانه از فناوری های نوین هوش مصنوعی می تواند دسترسی به تمرین های رفتاری را تسهیل کند، مشروط بر اینکه به عنوان ابزاری کمکی در کنار نظارت بالینی متخصص سلامت روان قرار گیرد.

منابع علمی و پژوهشی

• درمان شناختی رفتاری بهینه شده برای اختلالات خوردن (CBT-E)؛ کتاب راهنمای بالینی کریستوفر فیربورن (Guilford Press)
• بررسی اثربخشی مداخلات دیجیتال و هوش مصنوعی در پایش رفتارهای مرتبط با پرخوری عصبی (International Journal of Eating Disorders)
• نقش نظم بخشی به وعده های غذایی در کاهش تکانه های پرخوری و رفتارهای جبرانی (Behaviour Research and Therapy)
• کاربرد فناوری های سلامت دیجیتال در تقویت خودپایشی و پیگیری تکالیف درمانی در بیماران بولیمیا (European Eating Disorders Review)