Большие языковые модели для приложений в области психического здоровья: систематический обзор

ВВЕДЕНИЕ: Большие языковые модели (LLM) представляют собой современные искусственные нейронные сети, обученные на обширных наборах данных для точного понимания и генерации естественного языка. Несмотря на значительное внимание к ним и продемонстрированный потенциал в цифровом здравоохранении, их применение в области психического здоровья, особенно в клинических условиях, вызывает значительные дискуссии. ЦЕЛЬ: Целью данного систематического обзора является критическая оценка применения LLM в области психического здоровья с особым вниманием к их применимости и эффективности при раннем скрининге, цифровых вмешательствах и в клинических условиях. Посредством систематического обобщения и оценки данных современных исследований в работе анализируются модели, методологии, источники данных и результаты, что позволяет охарактеризовать потенциал LLM в области психического здоровья, связанные с ними проблемы и перспективы их клинического применения. МЕТОДЫ: В соответствии с рекомендациями PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses, предпочтительные элементы отчетности для систематических обзоров и метаанализов) в рамках обзора был проведен поиск в 5 базах данных открытого доступа: MEDLINE (через PubMed), IEEE Xplore, Scopus, JMIR и ACM Digital Library. Использовались следующие ключевые слова: (психическое здоровье ИЛИ психическое заболевание ИЛИ психическое расстройство ИЛИ психиатрия) И (большие языковые модели). В исследование включались статьи, опубликованные с 1 января 2017 года по 30 апреля 2024 года; статьи, опубликованные не на английском языке, исключались. РЕЗУЛЬТАТЫ: Всего были оценены 40 статей, включая 15 (38%) статей, посвященных выявлению состояний психического здоровья и суицидальных мыслей посредством анализа текста, 7 (18%) — применению LLM в качестве диалоговых агентов для поддержки психического здоровья и 18 (45%) — другим применениям и оценкам LLM в области психического здоровья. LLM демонстрируют хорошую эффективность в выявлении проблем психического здоровья и предоставлении доступных электронных медицинских услуг без стигматизации. Однако оценки также показывают, что текущие риски, связанные с клиническим применением, могут превышать его преимущества. К этим рискам относятся несогласованность генерируемого текста, возникновение галлюцинаций и...