در تحلیل ثانویهی یک کارآزمایی با ۷۳ بزرگسال اوتیستیک، یادگیری چندنمونهای با GPT-4o در پیشبینی پاسخ به مداخلهی ذهنآگاهی از مدلهای یادگیری ماشین سنتی بهتر عمل کرد.
در یک کارآزمایی تصادفی با ۶۰ بزرگسال، آرامسازی در محیط واقعیت مجازیِ شخصیسازیشده با هوش مصنوعی به اندازهی تصویرسازی ذهنی سنتی اثر داشت اما برتری نشان نداد.
متاآنالیزِ ۳۳ کارآزماییِ تصادفی نشان داد واقعیتِ مجازی (VR) در مقایسه با مداخلاتِ متعارف، اثرِ بزرگ و معناداری در کاهشِ علائمِ اختلالاتِ اضطرابی در نوجوانان و بزرگسالان دارد.
مرورِ سیستماتیکِ ۳۸ مقاله نشان داد پلتفرمهای حمایتِ همتایانِ آنلاین (که برخی از هوش مصنوعی برای تعدیلِ محتوا استفاده میکنند) در کاهشِ افسردگی، اضطراب و افکارِ خودکشی در نوجوانان مؤثرند.
کارآزماییِ تصادفی روی ۱۹۲ مادرِ تازهزایمانکرده نشان داد استفاده از چتبات Woebot، کاهشِ افسردگی را نسبت به مراقبتِ معمول تقویت کرد، هرچند در اضطراب تفاوتی دیده نشد.
پیشنویسِ مقرراتِ جدیدِ چین، چتباتهای همدمِ هوشمصنوعی را از تولیدِ محتوایِ تشویقکنندهی خودکشی منع میکند و در مواجهه با ریسکِ خودکشی، الزام به دخالتِ فوریِ انسانی دارد.
قانونِ جدیدِ ایالتِ ایلینوی (اوت ۲۰۲۵)، استفاده از هوش مصنوعی برای «تصمیمگیریِ درمانی» و «ارتباطِ درمانیِ مستقیم» با بیمار را ممنوع کرد — اما استفادهی اداری و پشتیبان را همچنان مجاز میداند.
مقایسهی مستقیمِ نرخِ توهم (اختراعِ منبعِ علمیِ غیرواقعی) نشان داد GPT-4 در ۲۸٫۶٪ موارد، GPT-3.5 در ۳۹٫۶٪ و Bard در ۹۱٫۴٪ موارد، منبعِ جعلی یا نادرست ارائه دادند.
مرور سیستماتیکِ ۱۷ مطالعه نشان داد چتباتها و تحلیلهای پیشبین در محیطِ کار میتوانند فرسودگی را کاهش و تابآوری را افزایش دهند، هرچند بلوغِ این مداخلهها هنوز پایین است.
استقرارِ یک سامانهی پردازشِ زبانِ طبیعی روی بیش از ۱۰۰ هزار پیامِ چت بحران، حساسیتِ ۹۸٪ در شناساییِ موارد پرخطر داشت و زمانِ رسیدنِ کمکِ تخصصی را از ۹ ساعت به کمتر از ۱۵ دقیقه کاهش داد.
کارآزماییِ تصادفی روی ۸۰ بیمار نشان داد چهار هفته استفاده از چتباتِ درمانِشناختیرفتاریِ بیخوابی (CBT-I)، هم کیفیتِ خواب و هم علائم افسردگی و اضطراب را بهطور معنادار بهبود بخشید.
پیمایشی مستقل از دانشگاه براون و RAND (جدا از مطالعهی JAMA Pediatrics) نشان داد ۱۳٫۱٪ نوجوانان و جوانانِ آمریکایی از هوش مصنوعیِ مولد برای مشاورهی سلامت روان استفاده کردهاند؛ محققان این رقم را «قابلتوجه بالا» توصیف کردند.
تحلیلی حقوقی نشان میدهد قانونِ هوش مصنوعیِ اتحادیهی اروپا با وجودِ ممنوعیتِ سامانههای «فریبدهنده»، بهاحتمال زیاد نمیتواند آسیبِ روانیِ تجمعیِ ناشی از گفتوگوهای طولانیمدت با چتباتهای انساننما را پوشش دهد.
بزرگترین مرور سیستماتیک و متاآنالیزِ این حوزه (۵۳ مطالعه) نشان داد الگوریتمهای یادگیریِ ماشین ویژگیِ خوبی (تا ۹۳٪) دارند، اما حساسیتِ آنها متغیر و گاهی پایین است.
پنج مطالعه با روشهای ترکیبی نشان داد گفتوگو با همدمهای هوش مصنوعی، احساس تنهایی را بهاندازهی تعامل با یک انسانِ واقعی کاهش میدهد — و کاربران این اثر را دستکم میگیرند.
بررسیِ چهار مدل زبانی پرکاربرد (Claude، ChatGPT، Gemini و یک مدل تخصصی) نشان داد وقتی نژادِ بیمار بهصراحت ذکر میشود، توصیههای درمانیِ برخی مدلها بهطور نامتناسبی تغییر میکند.
مطالعهای روی ۲۶۳ پزشک بالینی نشان داد استفاده از «دستیارِ صوتیِ» هوش مصنوعی برای نوشتن خودکار یادداشتهای بالینی، فرسودگیِ شغلی را از ۵۱٫۹٪ به ۳۸٫۸٪ کاهش داد.
یک مقالهی دیدگاهی مروری بر خلأ نظارتیِ فعلی: تا امروز هیچ ابزار هوشمصنوعیِ مولد برای سلامت روان از سوی FDA تأیید نشده، در حالیکه رویکردهای اتحادیهی اروپا، بریتانیا و چین با هم متفاوتاند.
پیشچاپی مبتنی بر ۸۵۰ هزار جلسهی درمانی نشان داد یادداشتبرداریِ خودکار با هوش مصنوعی، با رضایتِ اکثریتِ درمانگران و مراجعان همراه بوده، هرچند هنوز داوریِ همتا نشده است.
مرور سیستماتیکِ ۲۹ مطالعه نشان داد دادههای غیرفعالِ گوشیهوشمند (حرکت، خواب، تماسها، صفحهنمایش) میتوانند در پیشبینیِ عود افسردگی، اضطراب و اسکیزوفرنی کمککننده باشند.
سازمان جهانی بهداشت راهنمای رسمی خود را برای استفادهی اخلاقی و مسئولانه از مدلهای زبانیِ بزرگِ چندوجهی (مانند ChatGPT) در مراقبت سلامت و پژوهش پزشکی منتشر کرد.
کارآزمایی بنیانگذارِ حوزهی چتباتهای درمانی: دو هفته گفتوگو با Woebot در دانشجویان، افسردگی را بهطور معنادار کاهش داد؛ اما کاهش اضطراب در تحلیل قصدِدرمان معنادار نبود.
ابزار shamiriAI در مطالعهای مقدماتی و ۵۲ جلسهای در مدارس کنیا نشان داد پایشِ خودکارِ وفاداری با مدل زبانی بزرگ از نظر فنی شدنی است، اما در ابعاد کلنگر هنوز با ارزیابِ انسانی فاصله دارد.
در مطالعهای ۹۰ روزه روی ۴۳۲ فرد آسیبدیده، نشانگرهای زبانیِ استخراجشده با مدل زبانی بزرگ توانستند شدت علائم PTSD روز بعد را پیشبینی کنند.
متاآنالیز شش کارآزمایی تصادفی استرالیایی نشان میدهد رباتِ اجتماعی PARO آشفتگی و اضطراب بیماران دمانس را بهطور معنادار کاهش میدهد، اما اثر آن بر افسردگی قطعی نیست.
مقایسهی تصمیمهای چند مدل GPT-4 با درمانگران بالینی روی ۲۱ سناریوی اورژانسیِ روانپزشکیِ نوجوانان، توافقی قابلتوجه اما تمایل مدلها به توصیهی بستریکردنِ بیشازحد را نشان داد.
یک پیمایش ملیِ نماینده در آمریکا نشان داد ۱۹٫۲٪ از نوجوانان و جوانان ۱۲ تا ۲۱ ساله دستکم یکبار از چتباتهای هوش مصنوعی برای مشاورهی سلامت روان استفاده کردهاند و اکثر آنها این موضوع را به هیچکس نگفتهاند.
متاآنالیزی بر پایهی ۱۲۳ پژوهش نشان داد مدلهای یادگیری ماشین میتوانند افسردگی را از روی متن و گفتار با دقت تجمیعیِ حدود ۸۰٪ تشخیص دهند، هرچند ناهمگونیِ بسیار بالایی میان مطالعات وجود دارد.
مروری سیستماتیک بر ۳۵ مطالعه نشان داد مدلهای کلاسیک هوش مصنوعی در پیشبینی پاسخ درمانی و عود اختلال دوقطبی عملکردی امیدوارکننده اما با ریسک بالای سوگیری دارند و هنوز برای کاربرد بالینی آماده نیستند.
مطالعهای مقدماتی در کانادا نشان داد سامانهای هوش مصنوعی عاملمحور که بیمار و ارزیاب شبیهسازیشده را ترکیب میکند، از نظر فنی برای تمرین مهارت مصاحبهگیری دستیاران روانپزشکی امکانپذیر است.