A psicoterapia tem por objetivo promover saúde psicológica e se desenvolveu a ponto de estar reconhecidamente entre os tratamentos mais importantes em saúde mental. Ainda que exista certo consenso sobre a sua efetividade geral, os processos por trás destas mudanças permanecem velados, deixando esta importante lacuna na área. Para investigar o desenvolvimento da mudança faz-se necessário pesquisar a atuação das variáveis internas à psicoterapia. A área de pesquisa que se propõe a estudar os processos internos à psicoterapia, os mecanismos pelos quais a psicoterapia funciona, é conhecida como pesquisa de processo em psicoterapia. Esta área enfrenta desafios metodológicos dada a natureza complexa, dinâmica, não linear e multivariada do fenômeno. Um caminho para transpor estes obstáculos é aliar a ciência computacional à pesquisa de processo em psicoterapia, aplicando duas das tradições da computação: orientada por dados e orientada por teoria. A primeira baseias em dados para realizar predições, a segunda em conhecimento prévio ou hipóteses mecanísticas. Esta revisão sistemática de escopo buscou organizar estudos que realizaram estes esforços para facilitar a progressão da área. Elegemos aprendizagem de máquina e processamento de linguagem natural como principais representantes da tradição orientada por dados e a teoria dos sistemas dinâmicos para representar a tradição orientada por teoria. Foram incluídos 39 estudos que utilizaram métodos computacionais para analisar dados em pesquisa de processo em psicoterapia, identificados por uma busca sistematizada realizada nas principais bases de ciência da computação, psiquiatria e psicologia. Os estudos tiveram sua metodologia classificada nas categorias orientada por dados (19 estudos), orientada por teoria (7 estudos) ou híbrida (usou técnicas da tradição abordada por dados e da orientada teoricamente; 13 estudos). A amostra usou um total de 90 técnicas computacionais distribuídas entre os 39 estudos, descritas de forma sistematizada nesta revisão. De forma geral, a área parece se encontrar numa fase incipiente, ainda desorganizada e com estudos pouco conectados, mas com resultados que parecem muito promissores. Descobertas futuras podem impactar a pesquisa, a clínica e a formação de terapeutas, especialmente se a área trabalhar de forma mais coesa

Psychotherapy is considered an important therapeutic resource among evidencebased treatments on mental health. Despite the available evidence of the general effectiveness for the therapeutic modality, the exact mechanisms through which therapeutic change occurs are not completely understood. Psychotherapy process research pursues the investigation of those mechanisms of therapeutic change involved in psychotherapy. Given the complex, dynamical, non-linear and multivariate nature of the object under investigation, this field faces methodological challenges and demand a huge effort to be carried out, from the collection to the analysis of data, and, even so, the amount of information produced is usually not enough to represent and explore the variety of processes known to happen in psychotherapies. Computer sciences have developed tools, such as machine learning and dynamic systems modeling, that may be helpful to deal with these problems. This systematic scoping review sought to organize the studies that made these efforts. 39 studies that used computational methods to analyze data from psychotherapy process research were identified by a systematized search conducted in the major computer science, psychiatry, and psychology databases. The studies had their methodology classified into data-driven, theory-driven, or hybrid categories. The sample had 19 data-driven, 7 theory-driven, and 13 hybrid studies. The sample had a total of 90 computational techniques, 21 from natural language processing, 20 from dynamic systems, and 49 from machine learning, described systematically in this review. In general, the area seems to be in an incipient phase, still disorganized and with little connection between studies, but exploratory with some results that seem very promising. Future findings may impact research, clinical practice, and the training of therapists, especially if the field works more cohesively