Агенты искусственного интеллекта в охране психического здоровья: систематический обзор и метаанализ

Artificial Intelligence Agents in Mental Health: A Systematic Review and Meta Analysis
Li X, Ngan Yin Chan, Yun Kwok Wing, Wenyue Hua, Huizi Yu, Jiayan Zhou, Lizhou Fan, Jiahui Niu, Lexuan Zhu, Wenkong Wang, Zhiying Liang, Wenjia Tan, Bingyi Chen, Xinxin Lin, Zhengdong Wu, Jiyuan Jiao, Sijia He, Guangxin Dai, Yi Zhong, Yongbo Zheng, Jie Sun, Andi Han, Lingyao Li, Lin Lu, Xin Ma
2026-04-22

большие языковые моделиИИ-агенты в психическом здоровьеоценка психического здоровьямультиагентная координациясистематический обзор и метаанализ
Стремительное развитие больших языковых моделей (LLM) и базовых моделей ускорило разработку агентов искусственного интеллекта (ИИ) для оценки психического здоровья, сортировки пациентов, поддержки психотерапии и содействия принятию клинических решений. Однако между медицинскими исследованиями и работами, ориентированными на ИИ, сохраняется разрыв: хотя представители обоих направлений используют термин «агенты», в клинических исследованиях преимущественно описываются монолитные чат-боты, тогда как в исследованиях ИИ акцент делается на агентных свойствах, таких как автономное планирование, координация нескольких агентов, использование инструментов и баз данных, а также интеграция мультимодальных потоков данных о психическом здоровье. В настоящем обзоре мы проводим систематический анализ агентных систем ИИ для охраны психического здоровья за период с 2023 по 2025 год с использованием шестимерной схемы аудита: (i) тип системы (происхождение базовой модели, модальность интерфейса и структура рабочего процесса — от инструментов на основе правил до многоагентных систем на базе фундаментальных моделей с учетом ролей), (ii) охват данных (модальности и происхождение — от получаемых в ходе опроса самоотчетов и диалогов с чат-ботами до электронных медицинских карт, биосенсорных данных и синтетических корпусов), (iii) направленность на психическое здоровье (сопоставленная с диагностическими группами МКБ-11), (iv) демографические характеристики (возрастные группы, география и представленность полов), (v) задачи конечного уровня (скрининг/сортировка, поддержка принятия клинических решений, терапевтические вмешательства, документирование, этико-правовая поддержка и обучение/симуляция) и (vi) типы оценки (автоматизированные метрики, тесты качества языка, стресс-тесты безопасности, экспертная оценка и участие клиницистов или пациентов). Анализ этого корпуса показывает, что большинство систем (1) сосредоточено на депрессии, тревожных расстройствах и суицидальности, при этом тяжелые психические расстройства, нейрокогнитивные расстройства, употребление психоактивных веществ и сложная коморбидность представлены недостаточно; (2) в значительной степени опирается на текстовые самоотчеты, а не на клинически верифицированные лонгитюдные данные или действительно мультимодальные входные данные; (3) реализовано в виде одноагентных чат-ботов на основе универсальных LLM, а не структурированных по ролям конвейеров, интегрированных в рабочие процессы; и (4) оценивается преимущественно...
1
ИИ-системы для психического здоровья преимущественно используют текстовые самоотчеты, а не клинически верифицированные лонгитюдные данные или действительно мультимодальные входные данные.
2
Большинство систем представляют собой одноагентные чат-боты на базе универсальных больших языковых моделей, а не структурированные по ролям и интегрированные в рабочие процессы многоагентные конвейеры.
3
Большинство систем сосредоточено на депрессии, тревожности и суицидальности, тогда как тяжелые психические расстройства, нейрокогнитивные нарушения, употребление психоактивных веществ и сложная коморбидность изучены недостаточно.
4
Обзор анализирует ИИ-агентов для психического здоровья за 2023–2025 годы по шести измерениям: системы, данные, диагнозы, демография, задачи и оценивание.
5
Обзор различает клинические исследования чат-ботов и исследования ИИ-агентов, рассматривая автономность, планирование, координацию, использование инструментов, интеграцию баз данных и работу с мультимодальными данными как свойства агентности.

Системы агентов искусственного интеллекта для психического здоровья

Их архитектуры, охват и происхождение данных, охват психических расстройств, демографическая репрезентативность, последующие клинические задачи и методы оценки

Publication Details
Publication Date
2026-04-22
Journal
Publisher
ISSN
Cited by
0
Access Type
Author Information
Authors
Li X
Ngan Yin Chan
Yun Kwok Wing
Wenyue Hua
Huizi Yu
Jiayan Zhou
Lizhou Fan
Jiahui Niu
Lexuan Zhu
Wenkong Wang
Zhiying Liang
Wenjia Tan
Bingyi Chen
Xinxin Lin
Zhengdong Wu
Jiyuan Jiao
Sijia He
Guangxin Dai
Yi Zhong
Yongbo Zheng
Jie Sun
Andi Han
Lingyao Li
Lin Lu
Xin Ma
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%