کاربرد هوش مصنوعی در روان‌درمانی

افزایش تقاضا برای روان‌درمانی و دسترسی محدود به متخصصان، بر ظرفیت بالقوه هوش مصنوعی (AI) در مراقبت‌های سلامت روان تأکید می‌کند. این مطالعه اثربخشی چت‌بات Friend مبتنی بر هوش مصنوعی را در ارائه حمایت روان‌شناختی در موقعیت‌های بحران، در مقایسه با روان‌درمانی سنتی ارزیابی می‌کند.

یک کارآزمایی تصادفی‌شده کنترل‌شده با ۱۰۴ زن مبتلا به اختلالات اضطرابی در مناطق جنگی فعال انجام شد. شرکت‌کنندگان به‌طور تصادفی به دو گروه تقسیم شدند: گروه آزمایشی از چت‌بات Friend برای حمایت روزانه استفاده کرد، در حالی که گروه کنترل سه بار در هفته جلسات ۶۰ دقیقه‌ای روان‌درمانی دریافت نمود. سطوح اضطراب با استفاده از مقیاس رتبه‌بندی اضطراب همیلتون (Hamilton Anxiety Rating Scale) و پرسشنامه اضطراب بک (Beck Anxiety Inventory) ارزیابی شد. برای تحلیل نتایج از آزمون‌های تی (t-tests) استفاده گردید.

هر دو گروه کاهش معناداری در سطوح اضطراب نشان دادند. گروه کنترل که درمان سنتی دریافت می‌کرد، کاهش ۴۵٪ در مقیاس همیلتون و ۵۰٪ در مقیاس بک را تجربه کرد، در مقایسه با کاهش‌های ۳۰٪ و ۳۵٪ در گروه چت‌بات. در حالی که چت‌بات حمایت در دسترس و فوری ارائه داد، درمان سنتی به دلیل عمق هیجانی و سازگاری‌پذیری درمانگران انسانی، اثربخش‌تر بود. چت‌بات به‌ویژه در محیط‌های بحرانی که دسترسی به درمانگران محدود بود، مفید واقع شد و ارزش خود را در مقیاس‌پذیری و دسترس‌پذیری نشان داد. با این حال، در مقایسه با درمان حضوری، درگیرسازی هیجانی آن به‌طور قابل‌توجهی کمتر بود.

چت‌بات Friend راهکاری مقیاس‌پذیر و مقرون‌به‌صرفه برای حمایت روان‌شناختی ارائه می‌دهد، به‌ویژه در موقعیت‌های بحرانی که ممکن است درمان سنتی قابل دسترس نباشد. اگرچه درمان سنتی همچنان در کاهش اضطراب اثربخش‌تر است، یک مدل هیبریدی که حمایت AI را با تعامل انسانی ترکیب کند می‌تواند مراقبت سلامت روان را بهینه سازد، به‌ویژه در مناطق کم‌برخوردار یا طی شرایط اضطراری. پژوهش‌های بیشتر برای بهبود پاسخ‌دهی هیجانی و سازگاری AI مورد نیاز است.

مقدمه
در جهان امروز، رشد تقاضا برای خدمات روان‌درمانی و دسترسی محدود به متخصصان واجد شرایط، نیاز به یافتن درمان‌های جدید برای اختلالات روانی را ایجاب می‌کند. استفاده از هوش مصنوعی (AI) در روان‌درمانی این ظرفیت را دارد که به این چالش‌ها پاسخ دهد، به‌ویژه از طریق توسعه سامانه‌های درمانی هوشمندی که می‌توانند با نیازهای فردی بیمار سازگار شوند و حمایت مستمر ارائه دهند.

AI به‌طور فزاینده‌ای در جنبه‌های مختلف زندگی انسان، از جمله روان‌شناسی و روان‌درمانی، ادغام می‌شود. استفاده از AI در این حوزه فرصت‌های جدیدی برای گسترش دسترسی به خدمات روان‌درمانی و بهبود اثربخشی آن‌ها فراهم می‌کند. یکی از حوزه‌های امیدبخش، ایجاد سامانه‌های درمانی هوشمندی است که می‌توانند درمان فردمحورتر ارائه کنند و مشکل کمبود متخصصان واجد شرایط را برطرف نمایند.

پژوهش‌های مدرن اثربخشی استفاده از AI را برای تشخیص و درمان اختلالات روانی تأیید می‌کنند. برخی مطالعات برجسته می‌کنند که چت‌بات‌ها می‌توانند به‌طور مؤثر به مدیریت علائم افسردگی و اضطراب کمک کنند. Zheng و همکاران نشان دادند که سامانه‌های مبتنی بر AI، به‌ویژه یک مدل ادغامی MRI چندوجهی مبتنی بر توجه، می‌توانند به‌طور مؤثری در تشخیص و مدیریت اختلال افسردگی اساسی کمک کنند. مطالعه آن‌ها نشان می‌دهد که پایش مستمر از طریق AI می‌تواند دقت تشخیص را بهبود بخشد و مداخلات آنی ارائه دهد، که در نهایت درمان افسردگی و اضطراب را ارتقا می‌دهد.

استفاده از چت‌بات‌ها در روان‌درمانی طی پنج سال گذشته رشد چشمگیری داشته است. Li و همکاران یک مرور نظام‌مند و فراتحلیل انجام دادند که نشان داد کارگزاران گفتگوگر مبتنی بر AI می‌توانند به‌طور مؤثری سلامت روان و رفاه را ارتقا دهند. مطالعه آن‌ها تأکید می‌کند که چت‌بات‌ها حمایت به‌موقع و توصیه‌های شخصی‌سازی‌شده ارائه می‌دهند که می‌تواند به‌طور قابل‌توجهی سطح اضطراب را کاهش دهد و بهزیستی روان‌هیجانی را—به‌ویژه در میان دانشجویان—بهبود بخشد.

حوزه پژوهشی مهم دیگر، ادغام AI برای مدیریت علائم افسردگی و اضطراب است. Wang و همکاران چارچوب ادغام ویژگی‌های فرکانس بالا و پایین را برای تشخیص خودکار اختلال افسردگی اساسی توسعه دادند که بار دیگر ظرفیت AI را برای ارائه حمایت در دسترس‌تر و شخصی‌سازی‌شده‌تر به بیماران برجسته می‌کند. این مطالعات نقش رو‌به‌رشد AI را در بهبود دقت و اثربخشی مداخلات سلامت روان—به‌ویژه در مدیریت افسردگی و اضطراب—تقویت می‌کند. Poalelungi و همکاران خاطرنشان می‌کنند که AI می‌تواند وظایفی مانند پایش وضعیت بیماران و ارائه توصیه‌های درمانی انجام دهد، که فرصت‌های جدیدی برای عمل روان‌درمانی می‌گشاید.

با این حال، شمار قابل‌توجهی شکاف در پژوهش‌ها وجود دارد، به‌ویژه در خصوص ادغام این سامانه‌ها در محیط بالینی و ارزیابی اثربخشی بلندمدت آن‌ها. همچنین، مطالعه Ooi و Wilkinson بر ضرورت بررسی دقیق‌تر جنبه‌های اخلاقی استفاده از AI در روان‌درمانی تأکید می‌کند، با در نظر گرفتن عوامل روان‌شناختی و اجتماعی که ممکن است بر فرایند درمان تأثیر بگذارند. این چالش‌ها نیازمند ایجاد چارچوب مقرراتی روشن و روش‌های ارزیابی هستند که در پژوهش‌های موجود به‌خوبی توسعه نیافته‌اند.

Haber و همکاران مفهوم «سوم مصنوعی» (Artificial Third) را در روان‌درمانی مطرح کردند و بررسی نمودند که حضور AI چگونه بر پویایی بین درمانگر و بیمار اثر می‌گذارد. این مطالعه چشم‌انداز وسیع‌تری از نقش AI در درمان ارائه می‌دهد و نشان می‌دهد که در حالی که AI می‌تواند در تشخیص و حمایت کمک کند، ممکن است بر رابطه سنتی درمانگر–بیمار نیز اثرگذار باشد. Ronneberg و همکاران مطالعه SPEAC-2 را انجام دادند که پتانسیل یک مشاور صوتی‌محورِ آموزش‌دیده در PST برای بزرگسالان دچار پریشانی هیجانی را بررسی می‌کند.

این مطالعه بینش‌های ارزشمندی درباره چگونگی ارائه حمایت هیجانی شخصی‌سازی‌شده و آنی توسط مداخلات مبتنی بر AI ارائه می‌دهد—پاسخی به تقاضای رو‌به‌رشد برای خدمات سلامت روان در جایی که دسترسی سنتی ممکن است محدود باشد. با این حال، در حالی که سامانه SPEAC-2 امیدبخش است، پژوهش‌های بیشتری برای بررسی اثربخشی بلندمدت آن در مقایسه با درمانگران انسانی مورد نیاز است.

Alimour و همکاران ویژگی‌های کیفی عملکرد AI در مراقبت‌های سلامت روان را بررسی کردند و بر چگونگی پیش‌بینی برداشت‌های متخصصان سلامت روان توسط AI و مشارکت آن در بهبود تصمیم‌گیری در روان‌درمانی تمرکز کردند. مطالعه آن‌ها پتانسیل AI را در بهبود کارایی عملیاتی فرایندهای درمانی نشان می‌دهد، اما هم‌زمان به نیاز پژوهش عمیق‌تر درباره چگونگی ادغام کامل AI در محیط‌های بالینی اشاره دارد.

Plakun نقش AI در روان‌درمانی را بررسی کرد و خاطرنشان ساخت که در حالی که AI می‌تواند در پایش بیماران و ارائه توصیه‌های درمانی شخصی‌سازی‌شده کمک کند، نمی‌تواند جایگزین عنصر انسانی در درمان شود. این مطالعه بر نیاز به رویکردی متوازن در ادغام AI در روان‌درمانی تأکید دارد؛ جایی که AI مکمل است نه جایگزین درمانگران انسانی. این امر ضرورتِ بررسی بیشتر این موضوع را برجسته می‌کند که AI چگونه می‌تواند همدلی و ارتباط شخصیِ حیاتی برای موفقیت درمان را حفظ کند.

پژوهش حاضر به شکاف مهمی در کاربرد فناوری‌های AI در مراقبت‌های سلامت روان می‌پردازد، جایی که این ابزارها در مقایسه با کاربردشان در سلامت جسم کمتر مورد استفاده قرار گرفته‌اند. برخلاف مطالعات قبلی، این پژوهش نه‌تنها ظرفیت AI در ارتقای ابزارهای تشخیصی و شناسایی نشانگرهای عینی برای بیماری‌های روانی را بررسی می‌کند، بلکه اثربخشی چت‌بات‌های مبتنی بر AI را در سناریوهای واقعی بحران—مانند جنگ در اوکراین—نیز ارزیابی می‌کند.

اهمیت این مطالعه در تحلیل جامع کاربردهای AI نهفته است که نشان می‌دهد این فناوری‌ها چگونه می‌توانند حمایت روان‌شناختی به‌موقعی فراهم کنند، زمانی که دسترسی به درمان سنتی محدود است. با تمرکز بر تعامل کاربران با چت‌بات Friend، پژوهش اثربخشی آن را در کاهش اضطراب در میان کاربرانِ محیط‌های پرفشار نشان می‌دهد و نقش AI را به‌عنوان مکملی حیاتی برای مراقبت‌های متعارف سلامت روان برجسته می‌سازد.

این مطالعه با هدف ارزیابی یک سامانه درمانی هوشمند که AI را برای حمایت از فرایندهای روان‌درمانی ادغام می‌کند—به‌ویژه در مواردی که دسترسی به روان‌درمانگران محدود است—انجام شد. از طریق یک مطالعه تجربی، ارزیابی شد که چنین سامانه‌ای چگونه می‌تواند بر بهبود پیامدهای بالینی و بهینه‌سازی فرایند درمان تأثیر بگذارد. این مطالعه همچنین به شناسایی مشکلات بالقوه و تأثیر فناوری AI بر عمل روان‌درمانی کمک کرد. همچنین، مطالعه با هدف ارزیابی اثربخشی چت‌بات Friend در مقایسه با جلسات روان‌درمانی متعارف در کاهش سطوح اضطراب در زنان در موقعیت‌های بحرانی انجام گرفت. چند فرضیه درباره مفید بودن فناوری AI—به‌ویژه چت‌بات‌ها—در درمان سلامت روان تدوین شد:

1
استفاده از چت‌بات Friend به‌طور قابل‌توجهی سطوح اضطراب شرکت‌کنندگان را نسبت به ارزیابی‌های پیش از مداخله کاهش خواهد داد و سودمندی آن را به‌عنوان ابزار حمایت روان‌شناختی نشان می‌دهد.

2
چت‌بات Friend حمایت هیجانی به‌موقع و مؤثری ارائه خواهد داد که منجر به بهبود معنادار در حالات هیجانیِ خودگزارشیِ شرکت‌کنندگان و راهبردهای مقابله‌ای آنان می‌شود.

3
ادغام فناوری AI در مراقبت‌های سلامت روان، دسترسی‌پذیری و قابلیت دسترسِ خدمات حمایت روان‌شناختی را بهبود خواهد داد، به‌ویژه در موقعیت‌های بحرانی که درمان سنتی محدود است.

4
شرکت‌کنندگانی که از چت‌بات Friend استفاده می‌کنند، سطوح بالایی از رضایت کاربر و ادراکِ سودمندی را گزارش خواهند کرد که نشان می‌دهد راه‌حل‌های مبتنی بر AI می‌توانند به درمان سلامت روان کمک کنند.

5
رابطه مثبتی بین تعداد تعاملات با چت‌بات Friend و میزان کاهش اضطرابِ تجربه‌شده توسط شرکت‌کنندگان وجود خواهد داشت، که نشان می‌دهد درگیریِ بیشتر با فناوری‌های AI ممکن است اثربخشی آن‌ها را بهبود بخشد.

مواد و روش‌ها

شرکت‌کنندگانِ این کارآزمایی تصادفی‌شده کنترل‌شده (RCT) از طریق فرایندی چندمرحله‌ای انتخاب شدند تا اطمینان حاصل شود نمونه نمایا و نتایج دقیق‌اند. جذب مشارکت‌کننده از طریق برنامه‌های آگاهی‌بخشی هدفمند به زنان ساکن در مناطق درگیری نظامی فعال در اوکراین، از جمله تبلیغات در شبکه‌های اجتماعی، انجام شد.

مطالعه شامل زنان ۱۸ تا ۶۰ ساله‌ای بود که طی شش ماه گذشته توسط یک متخصص سلامت روان واجد شرایط به اختلال اضطراب تشخیص داده شده بودند. همچنین شرکت‌کنندگان باید در مناطقی که مستقیماً تحت تأثیر فعالیت‌های نظامی بودند زندگی می‌کردند و به یک دستگاه موبایل با اتصال اینترنت دسترسی داشتند. معیارهای خروج شامل ابتلا به بیماری‌های عمده روانی (مانند اسکیزوفرنی، اختلال دوقطبی)، سوءمصرف کنونی مواد، بارداری یا شیردهی، یا هر وضعیتی بود که مانع تعامل شرکت‌کننده با چت‌بات شود.

روان‌شناسان بالینی مصاحبه‌های مجازی برای تأیید تشخیص اضطراب و تعیین صلاحیت انجام دادند و از میان ۱۵۰ نفر غربال‌شده، ۱۰۴ زن انتخاب شدند. سپس شرکت‌کنندگان به‌طور تصادفی به گروه آزمایشی (۵۲ زن استفاده‌کننده از چت‌بات Friend مبتنی بر AI برای حمایت روزانه روان‌شناختی) یا گروه کنترل (۵۲ زن دریافت‌کننده سه جلسه ۶۰ دقیقه‌ای درمان متعارف با روان‌شناسانِ دارای صلاحیت در هر هفته) اختصاص یافتند. طی مطالعه هشت‌هفته‌ای، چت‌بات از طریق پردازش زبان طبیعی و یادگیری ماشین حمایتِ شخصی‌سازی‌شده ارائه داد و پاسخ‌های خود را با وضعیت هیجانی کاربر تطبیق می‌داد.

این مطالعه به‌عنوان کارآزمایی بالینی طبقه‌بندی می‌شود زیرا شرکت‌کنندگان به‌طور تصادفی به گروه آزمایشیِ استفاده‌کننده از چت‌بات Friend یا گروه کنترلِ دریافت‌کننده روان‌درمانی سنتی تخصیص یافتند؛ مؤلفه‌ای از کارآزمایی‌های بالینی که سوگیری را کاهش می‌دهد و قابلیت مقایسه را تضمین می‌کند. این سامانه AI از چارچوب پردازش زبان طبیعی و روش‌های یادگیری ماشین برای تعامل بلادرنگ با افراد استفاده می‌کند.

سامانه برای تحلیل وضعیت هیجانی کاربر از طریق ورودی‌های متنی و سپس ارائه پاسخ‌های شخصی‌سازی‌شده بر اساس رویه‌های درمانی مانند درمان شناختی–رفتاری (CBT) و مصاحبه انگیزشی طراحی شده است. چت‌بات از مدل‌های یادگیری عمیق برای تنظیم پاسخ‌ها با پیشرفت مکالمه بهره می‌برد و یک رابطه همدلانه را تقلید می‌کند تا علائم اضطراب را کاهش دهد. داده‌های به‌دست‌آمده از این گفتگوها توسط بک‌اندِ سامانه ارزیابی می‌شود که تحلیل احساسات هیجانی انجام می‌دهد تا ناراحتی را شناسایی و راهکارهای مقابله‌ای مناسب ارائه کند.

با تخصیص تصادفی شرکت‌کنندگان به گروه‌های آزمایشی یا کنترل، مطالعه قابلیت مقایسه را تضمین می‌کند و امکان ارزیابی جامع اثربخشی چت‌بات در قیاس با روان‌درمانی سنتی را فراهم می‌سازد که منجر به شواهد معتبری برای تأثیرگذاری بر درمان سلامت روان می‌شود. علاوه بر این، قالب ساختاریافته RCT اجازه تحلیل آماری نیرومند را می‌دهد که اعتبار یافته‌ها را در بافت روان‌درمانی طی موقعیت‌های بحرانی تقویت می‌کند.

برای ایجاد رابطه علیّت بین مداخله و نتایج کاهش اضطراب، RCT ضروری بود و ارزیابی کامل اثربخشی چت‌بات را ممکن ساخت. طراحی ساختاریافته RCT تحلیل آماری جامع را میسر می‌کند که اعتبار یافته‌ها را در محیط‌های بحرانی بهبود می‌بخشد. سنجه‌های استانداردشده پیامد—به‌طور مشخص مقیاس رتبه‌بندی اضطراب همیلتون و پرسشنامه اضطراب بک—برای ارزیابی سطوح اضطراب قبل و بعد از مداخله استفاده شدند که با اهداف کارآزمایی‌های بالینی در ارزیابی اثربخشی و ایمنی درمان سازگار است و آن را از طرح‌های شبه‌آزمایشی متمایز می‌سازد.

داده‌ها با استفاده از آمار توصیفی و روش‌های آزمون تی برای مقایسه نتایج قبل و بعد از به‌کارگیری سامانه تحلیل شدند. پژوهشگران به‌جای ANOVA از آزمون تی استفاده کردند تا میانگین‌های دو گروه—آزمایشی (استفاده از چت‌بات Friend) و کنترل (دریافت روان‌درمانی متعارف)—را مقایسه کنند. آزمون تی برای مقایسه دو گروه مناسب است، در حالی که ANOVA معمولاً برای سه گروه یا بیشتر به‌کار می‌رود. چون تمرکز فقط بر این دو گروه بود، آزمون تی ترجیح داده شد. استفاده از نرم‌افزار Statistical Package for the Social Sciences نسخه ۲۷ (SPSS) دقت و عینیت پردازش نتایج را تضمین کرد.

سامانه از سخت‌افزار رایانشی تخصصی با توان محاسباتی کافی برای پردازش مقادیر بزرگ داده و تجهیزات سرور امن برای ذخیره و پردازش داده‌های شخصی بیماران استفاده نمود. SPSS مطابق با مقررات عمومی حفاظت از داده‌ها (GDPR) به‌کار گرفته شد تا ثبت و پردازش امن داده‌های شخصی شرکت‌کنندگان و رعایت استانداردهای سخت‌گیرانه حریم خصوصی و حفاظت از داده‌ها در سراسر مطالعه تضمین شود. رعایت GDPR محرمانگی شرکت‌کنندگان را حفظ کرده و مدیریت اخلاقی داده‌های حساس را تضمین می‌کند.

علاوه بر سنجه‌های کمّی، پژوهش سایر کاربردهای AI مانند Tess، Wysa و Woebot را برای کسب بینش‌های کیفی بررسی کرد. این مطالعه روش‌ها، ویژگی‌ها و محیط‌های عملیاتی آن‌ها، و همچنین نحوه بهره‌گیری آن‌ها از پردازش زبان طبیعی و سایر فناوری‌های AI برای افزایش درگیری کاربر را ارزیابی نمود. رویکرد کل‌نگرِ مطالعه به‌دنبال بررسی جامع مزایای بالقوه فناوری‌های AI در بهبود تشخیص و درمان بیماری‌های روانی و نیز پیشنهاد موضوعاتی برای پژوهش‌های آینده و کاربرد در روان‌درمانی است.

نتایج

استفاده از فناوری AI در پزشکی روزبه‌روز محبوب‌تر می‌شود، به‌ویژه برای سلامت جسم، هرچند کاربرد آن در سلامت روان همچنان محدود است. سلامت روان بر ظرفیت ایجاد تفاهم متقابل، شکل‌دادنِ ارتباط با بیماران و مشاهده هیجانات و رفتار آنان تکیه دارد، که خودکارسازی فعالیت‌ها با AI را چالش‌برانگیز می‌کند. با این حال، AI می‌تواند درک ما از بیماری‌های روانی و روش‌های تشخیصی را به‌طور چشمگیری افزایش دهد.

AI این پتانسیل را دارد که به شناسایی نشانگرهای زیستی و همچنین توسعه ابزارهای تشخیصی دقیق‌تر و مدل‌های خطر برای بیماری‌های روانی کمک کند. برای مثال، الکتروانسفالوگرافی (EEG) برای بررسی افسردگی استفاده می‌شود و تکنیک‌های یادگیری عمیق مانند شبکه‌های عصبی، تمایز دقیق افراد مبتلا به افسردگی از افراد سالم را امکان‌پذیر می‌سازند. همچنین در مطالعات نشان داده شده که یک شبکه عصبی سه‌بعدی می‌تواند افسردگی را بر اساس کلیپ‌های ویدئویی به‌درستی پیش‌بینی کند.

افزون بر اهداف تشخیصی و پیش‌آگهی، ابزارهای درمانیِ توانمندشده با AI به‌سرعت در حال تحول‌اند. نوآوری فناورانه تأثیری عظیم بر حوزه روان‌شناسی گذاشته است، به‌ویژه با توسعه نخستین چت‌بات توسط روان‌شناس وایزنباوم. این نرم‌افزار که به‌نام ELIZA (برگرفته از شخصیت Eliza Doolittle در نمایش پیگمالیون اثر جرج برنارد شا) نام‌گذاری شد، علی‌رغم توانایی شناختی محدود، مکالمه با یک درمانگر را شبیه‌سازی می‌کرد.

ELIZA بر مبنای بازنویسی اظهارات کاربر به شکل سؤال عمل می‌کرد و بدین ترتیب ظاهرِ درک و همدلی را ایجاد می‌نمود. با استفاده از سناریوی «Doctor»، ELIZA تکنیک روان‌شناس برجسته، کارل راجرز، را با موفقیت تقلید کرد و حس گوش‌دادنِ فعال و تعامل را القا نمود. این کاربرد اولیه چت‌بات، امکان به‌کارگیری AI در روان‌درمانی را برجسته ساخت و زمینه را برای نوآوری‌های آتی در این حوزه فراهم کرد. فناوری‌های مدرن به‌طور قابل‌توجهی پیشرفت کرده‌اند و ظرفیت رسیدگی به مسائل پیچیده و تولید سامانه‌های تعاملیِ هوشمندترِ قادر به ارائه تعاملات واقع‌گرایانه‌تر و عمیق‌تر با کاربران در حوزه روان‌شناسی را بهبود بخشیده‌اند.

Tess و سایر چت‌بات‌ها (Sara، Woebot و Wysa) از طریق پیامک و نمایشگرهای تعاملی کمک‌رسانی می‌کنند. به‌عنوان نمونه، Woebot از روان‌کاوی مجازی برای کمک به کاربران در شناسایی هیجانات و الگوهای فکری استفاده می‌کند و راهبردهای تاب‌آوری و کاهش اضطراب را آموزش می‌دهد. در مطالعات نشان داده شده که Woebot به‌طور مؤثر علائم افسردگی را کاهش می‌دهد. Tess برای تشخیص اختلالات هیجانی و کاهش اندوه و اضطراب به کار می‌رود. سامانه‌های روان‌درمانی هوشمند بر پایه AI و یادگیری ماشین بنا شده‌اند که طیف گسترده‌ای از فناوری‌ها را دربر می‌گیرد.

Tess، یک چت‌بات روان‌درمانی، از پردازش زبان طبیعی، یادگیری ماشین و یادگیری عمیق برای ارزیابی زبان، هیجانات و رفتار بیماران استفاده می‌کند و پاسخ‌ها را برای ارائه درمان شخصی‌سازی‌شده تعدیل می‌نماید. Tess از شیوه‌های درمانی متعددی، از جمله CBT و مصاحبه انگیزشی، بهره می‌برد و موفقیت خود را در کاهش اضطراب و اندوه، به‌ویژه در میان دانشجویان، نشان داده است. Tess جایگزین مراقبت تخصصی نیست بلکه ابزاری کمکی است که دسترسی به حمایت سلامت روان را بهبود می‌دهد و منابع آموزشی برای توسعه مهارت‌های خودیاری ارائه می‌کند.

Ellie، درمانگر مجازیِ توسعه‌یافته توسط Institute of Creative Technologies، از بازشناسی صدا و بینایی رایانه‌ای برای ارزیابی سلامت روان طی مشاوره‌های مجازی استفاده می‌کند. این سامانه AI تغییرات ظریف در حالات چهره، آهنگ صدا، حرکات و ژست‌ها را که برای ارزیابی دقیق حالات روانی حیاتی‌اند، تشخیص می‌دهد. Ellie ظرایف معنایی و هیجانیِ گفتار را ارزیابی می‌کند و الگوریتم‌های بینایی رایانه‌ای، ریزبیان‌ها و حرکات را بررسی می‌کنند که ممکن است بیش از ارتباط کلامی اطلاعات آشکار کنند.

این روش برای ارزیابی سلامت روان افراد، تشخیص نشانه‌های اختلال استرس پس از سانحه (PTSD)، افسردگی و اضطراب، و توسعه مهارت‌های ارتباطی به کار می‌رود. Ellie همچنین یک ابزار پژوهشی ارزشمند است که به کسب درک عمیق‌تر از رابطه بین رفتار غیرکلامی و سلامت روان کمک می‌کند. این کاربرد AI در روان‌درمانی ظرفیت بهبود تشخیص و درمان بیماری‌های روانی را نشان داده و حمایت حیاتی برای افرادی که دسترسی محدود به امکانات سنتی مراقبت دارند فراهم می‌آورد.

SimSensei سامانه‌ای پیشرفته است که از یادگیری ماشین عمیق و تحلیل رفتاری برای شناسایی نشانه‌های اندوه و PTSD استفاده می‌کند. این سامانه با ترکیب چندین منبع داده مانند پیام‌های متنی و ضبط‌های صوتی–تصویری، تعاملات واقع‌گرایانه با کاربر انجام می‌دهد. SimSensei از پردازش زبان طبیعی و تحلیل ویدئو برای شناسایی حالات هیجانی و نشانه‌های رفتاریِ مشکلات روان‌پزشکی بهره می‌گیرد. ویژگی اصلی آن توانایی درگیرسازی کاربران از طریق یک چت‌بات یا عامل مجازیِ همدل است که بر اساس نیازهای هیجانی کاربر، راهنماییِ فردی و حمایت روان‌شناختی ارائه می‌دهد.

Replika یک چت‌باتِ مجهز به AI است که به‌عنوان «دوست مجازی» برای ارتباطات شخصی‌سازی‌شده و حمایت هیجانی عمل می‌کند. این سامانه از شبکه‌های عصبی و پردازش زبان طبیعی برای ارزیابی ورودی کاربر و تولید پاسخ‌های مناسبِ متنی استفاده می‌کند. Replika با گفتگوهای تعاملی به کاربران در بهبود مهارت‌های اجتماعی، ارائه حمایت روان‌شناختی و سرگرمی کمک می‌کند. این ابزار برای رشد فردی و هیجانی به‌ویژه برای افرادی است که دچار انزوای اجتماعی هستند یا در پی کمک برای مسائل شخصی می‌باشند.

Elomia یک اپلیکیشن موبایل است که از علم و فناوری برای بهبود تندرستی روانی استفاده می‌کند. این اپ از درمان شناختی–رفتاری، روش‌های خودیاری و هوش مصنوعی برای ارائه مراقبت شخصی‌سازی‌شده بهره می‌گیرد. کاربران تحت ارزیابی‌های روان‌سنجی و پیگیری فعالیت قرار می‌گیرند که به برنامه‌های CBT فردی‌شده شامل تمرینات روان‌شناختی منجر می‌شود. AI درمان‌ها را بهینه‌سازی می‌کند و اپ ابزارهایی برای تصویرسازی و مدیتیشن ارائه می‌دهد.

Elomia یک پلتفرم اجتماعی برای تعامل کاربران دارد. این اپ توسط متخصصان روان‌شناسی، هوش مصنوعی و بازاریابی توسعه یافته و اکنون به هزاران نفر در سراسر جهان خدمت می‌کند، و نسخه رایگان برای اوکراینی‌ها فراهم است. این نرم‌افزار با Open AI همکاری می‌کند و از مدل‌های قدرتمندی مانند GPT-3 برای ارائه کمک درمانیِ مؤثر و در دسترس بهره می‌برد.

Faino Bot Psy یک چت‌باتِ مدیریت استرس است که به‌صورت ناشناس و به پنج زبان گفتگو می‌کند. این ابزار سطح استرس را می‌سنجد و تمرینات بازیابی ارائه می‌دهد، اما تأکید دارد که جایگزین گفتگو با درمانگر واقعی نیست و اختلالات روان‌شناختیِ زیربنایی را درمان نمی‌کند؛ بلکه بر کمک سریع متمرکز است. به‌طور مشابه، Wysa—یک چت‌بات درمانگر بین‌المللی—طیف وسیعی از فعالیت‌های سلامت روان و گفتگوی صوتی را بدون درخواست اطلاعات شخصیِ کاربران ارائه می‌دهد تا به آنان امکان ناشناس‌ماندن بدهد.

این رویکردها ظرفیت چت‌بات‌ها را در ارائه حمایت روان‌شناختی در عین حفظ تداوم مراقبت نشان می‌دهند. علیرغم محدودیت‌هایشان در ارتباط هیجانیِ انسانی و تشخیص عمیق، این فناوری‌ها به‌طور کارآمد نیازهای حاد را برطرف می‌کنند و روش‌های درمانی سنتی را تکمیل می‌نمایند.

اوکراین یک چت‌بات تلگرام به نام Friend First Aid معرفی کرده که با استفاده از روش‌های معاصر و پژوهش علمی برای ارائه حمایت روان‌شناختی در موقعیت‌های دشوار طراحی شده است. این ابزار برای افرادی که به‌تازگی استرس را تجربه کرده‌اند و دسترسی به متخصص ندارند، به‌ویژه اثربخش است. چت‌بات با طرح سؤال، ارائه تکنیک‌های آرام‌سازی و پیشنهادهایی برای حل چالش‌ها با کاربران درگیر می‌شود. در صورت لزوم می‌تواند کاربران را به پلتفرم Tell Me برای مشاوره تخصصی ارجاع دهد. بنا بر اعلام مرکز ارتباطات راهبردی و امنیت اطلاعات، این چت‌بات از نظر بالینی برای ارائه کمک روان‌شناختیِ فوری در زمانی که ارتباط مستقیم با متخصص ممکن نیست، اثبات شده است.

چت‌بات Friend از AI برای ایفای نقش همراهِ مجازی استفاده می‌کند؛ سؤال می‌پرسد، کمک ارائه می‌دهد، فعالیت‌های آرام‌سازی پیشنهاد می‌کند و درباره مدیریت استرس راهنمایی می‌دهد. این ابزار از پردازش زبان طبیعی برای ارزیابی محتوای کاربر، تولید پاسخ و شخصی‌سازی تعاملات استفاده می‌کند و به‌طور مؤثر حالات هیجانی را می‌شناسد و به آن‌ها پاسخ می‌دهد و از هر تعامل می‌آموزد تا حمایت خود را متناسب سازد.

این سازگاری به‌ویژه در محیط‌های بحرانی که دسترسی به درمان استاندارد محدود است، مفید است. چت‌بات Friend برای پشتیبانی زبان اوکراینی و مداخله در بحران در محیط‌های نظامی طراحی شده است، در حالی که Tess و Woebot بر تعاملات روان‌درمانیِ معمول تمرکز دارند و Wysa خدمات جامع سلامت روان را به مخاطبان جهانی ارائه می‌دهد. جدول ۱ مقایسه‌ای از چت‌بات‌ها ارائه می‌کند.

با توجه به نیاز به حمایت روان‌شناختی در اوکراین، چت‌بات Friend به‌عنوان بهترین ابزار برای انجام پژوهش علمی شناسایی شد. این اپلیکیشن به دلیل دسترس‌پذیری، سهولت استفاده و پشتیبانی از زبان اوکراینی انتخاب شد. هدف این مطالعه ارزیابی اثربخشی چت‌بات Friend در مقایسه با جلسات روان‌درمانی متعارف در زمان‌های بحران—به‌ویژه در خلال جنگ در اوکراین—بود. شرکت‌کنندگان در آزمایش شامل ۱۰۴ زن بودند که در مناطق نبرد فعال حضور داشتند و تجربه قرار گرفتن در شرایط خطرناک را داشتند. همه شرکت‌کنندگان پیش از مطالعه به اختلال اضطرابی تشخیص داده شده بودند که موجب سطح بالای اضطراب اولیه در نمونه شد.

برای انجام مطالعه، شرکت‌کنندگان به‌طور تصادفی به دو گروه تقسیم شدند. گروه آزمایشی از چت‌بات Friend برای ارتباط روزانه و حمایت روان‌شناختی استفاده کرد. شرکت‌کنندگان می‌توانستند در هر ساعت از شبانه‌روز با چت‌بات تماس برقرار کنند و پاسخ‌ها و توصیه‌های فوری دریافت نمایند. در مقابل، گروه کنترل سه نوبت در هفته جلسات ۶۰ دقیقه‌ای با روان‌شناسان داوطلبِ واجد صلاحیت دریافت کرد که بسته به شرایط ایمنی، به‌صورت حضوری یا برخط برگزار می‌شد.

سطوح اضطراب شرکت‌کنندگان در آغاز مطالعه و پس از اتمام آن با استفاده از دو ابزار ارزیابی شد: مقیاس رتبه‌بندی اضطراب همیلتون و پرسشنامه اضطراب بک (شکل ۱). این ابزارها به دلیل کاربرد گسترده در عمل بالینی و توانایی‌شان در اندازه‌گیری دقیق تغییرات سطح اضطراب انتخاب شدند.

آزمایش کاهش قابل‌توجه علائم اضطراب را در هر دو گروه نشان داد و اثربخشی هر دو روش را در تسکین اضطراب تأیید کرد. با این حال، گروه کنترل بهبود بهتری نشان داد که احتمالاً به دلیل تعامل شخصی با درمانگران است؛ تعاملی که ممکن است برای برخی بیماران در موقعیت‌های بحرانی اهمیت بیشتری داشته باشد.

گروه آزمایشی که از چت‌بات Friend استفاده کرد، در مقیاس اضطراب همیلتون ۳۰٪ و در پرسشنامه افسردگی بک ۳۵٪ کاهش نشان داد، در حالی که گروه کنترل به‌ترتیب ۴۵٪ و ۵۰٪ کاهش در این سنجه‌ها به‌دست آورد. این یافته‌ها—نمایش‌داده‌شده در شکل ۱—نشان می‌دهد که هرچند چت‌بات Friend ابزاری عالی برای کاهش اضطراب است، اما جلسات روان‌درمانی سنتی در ارائه کاهش اضطراب سودمندترند.

آزمون تی (t-test) با استفاده از مقیاس اضطراب همیلتون مقدار t برابر 2.85 و مقدار p برابر 0.007 را نشان داد که حاکی از تفاوت آماری معنادار بین دو گروه است؛ به‌نحوی که گروه درمانگر کاهش اضطراب بیشتری را تجربه کرد. به‌طور مشابه، آزمون تی برای پرسشنامه اضطراب بک مقدار t برابر 3.12 و مقدار p برابر 0.003 به‌دست داد که تفاوت چشمگیر بین درمان‌ها را نشان می‌دهد.

این یافته‌ها دلالت دارد که هرچند چت‌بات به‌طور مؤثری اضطراب را کاهش می‌دهد، درگیری شخصی و حمایت هیجانیِ ارائه‌شده توسط درمانگر، اثرات درمانی عمیق‌تری فراهم می‌کند—به‌ویژه در شرایط پرتنش یا بحرانی. کاهش بیشتر علائم اضطراب در گروه درمانگر احتمالاً ناشی از منافع ارتباط مستقیم انسانی و رابطه درمانی است؛ منافعی که برای سامانه‌های مبتنی بر AI دشوار است به‌طور کامل تقلید شوند. با این حال، ظرفیت AI در درمان سلامت روان روشن است، به‌خصوص در جاهایی که درمان سنتی ممکن است محدود باشد.

مقادیر p چشمگیر حاصل از هر دو آزمون تی نشان می‌دهد که درمان متعارف در کاهش اضطراب نسبت به مداخله چت‌بات کمک‌کننده‌تر بود. با این وجود، شایان ذکر است که چت‌بات همچنان به کاهش معنادار علائم اضطراب انجامید. این امر نشان می‌دهد درمان‌های توانمندسازی‌شده با AI—مانند چت‌بات Friend—می‌توانند ابزارهای مفیدی باشند، به‌ویژه در مواردی که دسترسی به درمان سنتی محدود است یا کمک سریع مورد نیاز است. دسترس‌پذیری چت‌بات و توانایی آن در ارائه پاسخ‌های سریع، آن را به ابزاری ارزشمند در مراقبت‌های سلامت روان بدل می‌کند.

مقادیر p چشمگیر حاصل از هر دو آزمون تی نشان می‌دهد که درمان سنتی در کاهش اضطراب نسبت به مداخله چت‌بات کمک‌کننده‌تر بود. با این حال، چت‌بات همچنان به کاهش معنادار علائم اضطراب انجامید که نشان می‌دهد فناوری‌های مبتنی بر AI مانند چت‌بات Friend می‌توانند مفید باشند—به‌ویژه وقتی درمان سنتی محدود است یا کمک فوری لازم است. شکاف در نتایج مزایای خاصِ تعاملات درمانی انسانی را برجسته می‌کند؛ جایی که رابطه درمانی—مشخصه‌ی همدلی و مراقبتِ شخصی‌سازی‌شده—مزایایی فراهم می‌کند که فناوری‌های AI شاید نتوانند به‌طور کامل بازتولید کنند.

درمانگران درحالی‌که پیچیدگی‌های هیجانیِ اضطراب را رسیدگی می‌کنند، حس امنیت و اعتباربخشی فراهم می‌آورند—به شیوه‌هایی که سامانه‌های AI موجود نمی‌توانند. با این حال، کاهش‌های معنادارِ حاصل از چت‌بات، ظرفیت آن را به‌عنوان مکملی ارزشمند در درمان سلامت روان برجسته می‌کند؛ به‌ویژه در موقعیت‌هایی که درمان‌های سنتی ممکن است در دسترس نباشند.

نتایج آزمون‌های تی اهمیتِ یک مدل مراقبتیِ هیبریدی را که فناوری AI را با مشارکت انسانی ادغام می‌کند برجسته می‌کند. درحالی‌که راه‌حل‌های AI مانند چت‌بات Friend کمک‌های فوری و مقیاس‌پذیر ارائه می‌دهند—به‌ویژه طی وضعیت‌های اضطراری مانند فعالیت‌های جنگی در اوکراین—نمی‌توانند به‌طور کامل جایگزین درمان انسانی و همدلانه‌ی ارائه‌شده توسط درمانگران شوند (جدول ۲). چت‌بات می‌تواند برای بیمارانی که ممکن است به‌دلیل دشواری‌های لجستیکی یا انگ، درمان را رها کنند، مفید باشد و شکاف‌های درمانی را پر کند.

با این حال، کاهش‌های بالاترِ اضطراب در گروه درمانگر، مزایای خاصِ ارتباط انسانی مانند اعتباربخشی هیجانی و مراقبتِ متناسب را برجسته می‌کند که تقلید آنها برای AI دشوار است. این یافته‌ها امکانِ گنجاندن فناوری AI—مانند چت‌بات Friend—در ابتکارات گسترده‌ترِ سلامت روان در مناطقی که درمان سنتی کمتر امکان‌پذیر است را نشان می‌دهد. یک روش هیبریدی می‌تواند منافعِ هر دو شیوه را ترکیب کند: پاسخ به نیازهای فوری با فناوری، در کنار ساخت روابط هیجانی عمیق‌تر با درمانگران. چت‌بات می‌تواند به تماس اولیه، راهبردهای مقابله‌ای و حفظ درگیریِ بیماران بین جلسات درمان کمک کند؛ اموری که به اهداف درمانیِ وسیع‌تر یاری می‌رسانند.

AI ظرفیت چشمگیری در بهبود تشخیص و درمان اختلالات روانی دارد. فناوری‌هایی مانند یادگیری عمیق و شبکه‌های عصبی به‌طور مؤثر برای تحلیل داده‌های EEG و مواد ویدئویی به‌کار می‌روند و در شناسایی دقیق نشانگرهای افسردگی و دیگر حالات روانی کمک می‌کنند. درمانگران مجازی و چت‌بات‌هایی که از پردازش زبان طبیعی و سایر الگوریتم‌های AI استفاده می‌کنند، توانایی تعامل مؤثر با بیماران، ارائه حمایت و تسهیل فرایندهای روان‌درمانی را نشان می‌دهند.

این فناوری‌ها نه‌تنها در محیط بالینی مراقبت ارائه می‌دهند، بلکه دسترسی به مراقبت روان‌شناختی را گسترش می‌دهند و موانع مرتبط با دوری جغرافیایی و انگِ بیماری روانی را کاهش می‌دهند. AI نقشی کلیدی در دگرگونی حوزه سلامت روان ایفا می‌کند و رویکردهای نوینی برای بهبود کیفیت زندگی بیماران ارائه می‌دهد.

با این حال، باید توجه داشت که هرچند نتایج نشان می‌دهد درمان‌های توانمندسازی‌شده با AI—مانند چت‌بات Friend—راه‌حل‌هایی مقیاس‌پذیر، در دسترس و مقرون‌به‌صرفه ارائه می‌دهند، چالش‌های مهمی در استفاده از آن‌ها در روان‌درمانی پدید می‌آید. یکی از مشکلات کلیدی، کمبودِ عمق هیجانی و همدلی است—مؤلفه‌هایی ضروری در درمانِ انسانی که بازتولید آن‌ها با AI دشوار است.

درمانگران انسانی می‌توانند رویکرد خود را بر اساس شاخص‌های هیجانیِ بلادرنگ تطبیق دهند و مراقبتی شخصی‌سازی‌شده ارائه کنند؛ امری که چت‌بات‌های AI—که به پاسخ‌های برنامه‌ریزی‌شده تکیه دارند—در تطابق با آن ناتوان‌اند. علاوه بر این، حریم خصوصی و حفاظت از داده‌ها مسائلی اساسی در سامانه‌های AI هستند که برای عملکرد مناسب به داده‌های حساس بیماران نیاز دارند.

سودمندی بلندمدت ابزارهای سلامت روان مبتنی بر AI نامشخص است—به‌ویژه توان آن‌ها برای ایجاد تغییر درمانیِ عمیق و پایدار در مقایسه با درمانگران انسانی. افزون بر این، نگرانی‌هایی درباره سوگیری الگوریتمی و ناتوانی در ایجادِ شراکت درمانی، کاربرد گسترده آن‌ها را در درمان سلامت روان محدود می‌کند. بنابراین، هرچند AI می‌تواند برخی شکاف‌ها را در ارائه خدمات سلامت روان—به‌ویژه در موقعیت‌های بحرانی—پر کند، این چالش‌های بنیادی یک راهبرد هیبریدی را ایجاب می‌کند که AI را با مراقبت انسان‌محور درهم می‌آمیزد تا حمایت جامع‌تری فراهم شود.

این نتایج پیامدهای عملی مهمی برای استفاده آینده از چت‌بات‌ها در حمایت روان‌شناختی دارد؛ به‌ویژه در شرایط دسترسی محدود به خدمات روان‌شناختی، و بدیلی کم‌هزینه و در دسترس ارائه می‌کند که می‌توان آن را در طیف وسیعی از سناریوها به‌کار گرفت. این داده‌ها می‌تواند به درک مزایای بالقوه استفاده از چت‌بات‌ها به‌عنوان وسیله‌ای برای حمایت روان‌شناختی در موقعیت‌های پرفشار کمک کند. نتایج بر اهمیتِ مطالعه بیشتر نقش AI در روان‌درمانی—به‌عنوان پشتیبانِ روش‌های درمانی سنتی و بهبود اثربخشی کلی درمان اختلالات روانی—تأکید می‌کند.

در حالی که هم AI و هم روان‌درمانیِ سنتی در کاهش اضطراب موفق‌اند، سودمندی بلندمدتِ تعامل (انسانی) برای درمانِ جامع—به‌ویژه در محیط‌های پرفشار—حیاتی باقی می‌ماند. پژوهش‌های مستمر برای توسعه این ابزارها و بهینه‌سازی کاربرد آن‌ها به‌منظور نتایج بهتر سلامت روان مورد نیاز خواهد بود. پژوهش‌های آتی باید بر جنبه‌های کیفیِ درمان سلامت روان—مانند همدلی و اعتباربخشی—تمرکز کنند تا حمایت سلامت روان بهینه شود. مطالعات طولی و بررسی ویژگی‌های جمعیت‌شناختی و بافتی برای تعیین اثربخشی بلندمدتِ درمان‌های AI و درکِ نتایجِ درمانیِ مؤثرتر ضروری است.

مطالعه جدید به بدنه رو‌به‌رشد شواهد درباره اثربخشی ابزارهای مبتنی بر AI در درمان سلامت روان—به‌ویژه در محیط‌های بحران—می‌افزاید. در این مطالعه، چت‌بات Friend علائم اضطراب را در میان شرکت‌کنندگان—به‌خصوص افراد حاضر در مناطق نبرد فعال—به‌طور معناداری کاهش داد. با این حال، کاهش در افرادی که درمان متعارف دریافت کردند چشمگیرتر بود؛ نتیجه‌ای که این ایده را تقویت می‌کند که درمانگران انسانی سطحی از حمایت هیجانی و انعطاف‌پذیری ارائه می‌دهند که AI نمی‌تواند با آن برابری کند. این پژوهش بر ضرورت مدل‌های هیبریدیِ مراقبت سلامت روان تأکید دارد که ابزارهای AI را با تعامل انسانی ترکیب می‌کنند تا اثرات درمانی بهینه شود.

Tahan و Saleem یک مرور نظام‌مند انجام دادند و دریافتند راه‌حل‌های مبتنی بر AI در ارائه مراقبت سلامت روانِ به‌موقع و شخصی‌سازی‌شده مؤثرند. به‌طور مشابه، Hoffman و همکاران دریافتند مداخلاتِ محرک‌شده با AI—مانند Woebot—مشارکت کاربر را افزایش داده و راه‌حل‌های مقیاس‌پذیر سلامت روان فراهم می‌کنند. با این همه، همان‌طور که در مطالعه حاضر نشان داده شد، هرچند ابزارهای AI مفیدند، ممکن است تأثیری همسنگِ درمان سنتی نداشته باشند؛ نکته‌ای که Sedlakova و Trachsel نیز بر آن تأکید کرده‌اند. یافته‌های آنان نشان داد ویژگی‌های انسانی مانند همدلی و اعتماد—که برای اثربخشی درمان حیاتی‌اند—برای AI دشوار است که تقلید کند.

از نظر دقت تشخیصی، Verma و همکاران نقش AI را در تحلیل سیگنال گفتار برای تشخیص افسردگی بررسی کردند و نتیجه گرفتند که AI دقت تشخیص را در سلامت روان بهبود می‌بخشد. با این حال، مشابه مطالعه کنونی، آن‌ها دریافتند ظرفیت AI برای جایگزینی کاملِ تماس انسانی محدود است—به‌ویژه در موقعیت‌های هیجانی و رابطه‌ای. یافته‌های کنونی نشان می‌دهد که هرچند چت‌بات Friend برای کمکِ سریع و مقیاس‌پذیر مؤثر است، فاقد پاسخ‌های شخصی‌سازی‌شده و ظریفِ یک درمانگر است—امری که شاید تفاوتِ کاهش‌های اضطرابِ بیشتر در گروه درمان متعارف را توضیح دهد.

ظرفیت گنجاندن AI در روش‌های گسترده‌تر سلامت روان آشکار است—به‌ویژه در موقعیت‌های بحرانی که دسترسی به درمانگران انسانی محدود است. Green و همکاران نشان دادند سامانه‌های AI می‌توانند دسترسی به درمان سلامت روان را در محیط‌های کم‌منبع به‌طور چشمگیری افزایش دهند؛ مشابهِ کاری که چت‌بات Friend در این مطالعه برای مشارکت‌کنندگانِ مناطق درگیری انجام داد. Li و همکاران نیز اثربخشی ربات‌های مکالمه‌ای AI را در ارائه حمایت بلادرنگ—به‌عنوان مکملِ درمان سنتی، نه جایگزین آن—برجسته کردند. این با نتایج مطالعه حاضر همسوست که ظرفیت چت‌بات Friend را به‌عنوان مکملی سودمند برای درمان متعارف—به‌ویژه در مناطق با دسترسی محدود به خدمات تخصصی سلامت روان—برجسته می‌کند.

با این وجود، محدودیت‌های مطالعه کنونی باید مورد توجه قرار گیرد. دوره کوتاه مداخله ممکن است اثربخشیِ بلندمدتِ چت‌بات را—چنان‌که پیش‌تر نیز گزارش شده—به‌دقت بازتاب ندهد. Schaeuffele و همکاران دریافتند هرچند درمان‌های محرک‌شده با AI در کوتاه‌مدت مفیدند، ممکن است مزایای بلندمدتی همسنگِ CBT فراتشخیصی نداشته باشند—درمانی که نشان داده شده ثبات هیجانی را در گذر زمان حفظ می‌کند. افزون بر این، اندازه نمونه در این مطالعه—هرچند برای یافته‌های اولیه کفایت دارد—ممکن است تعمیم‌پذیری داده‌ها را در میان جوامع و موقعیت‌های فرهنگی متنوع محدود کند.

با تکیه بر یافته‌های مطالعه حاضر—که سودمندیِ چت‌بات‌های توانمندسازی‌شده با AI مانند Friend را در ارائه حمایت روان‌شناختی نشان داد—ضروری است این نتایج در چارچوب بدنه پژوهشی پیشین صورت‌بندی شود. انجمن روان‌شناسی آمریکا بر ضرورت مراقبتِ شخصی‌سازی‌شده در درمان افسردگی در گروه‌های سنی مختلف تأکید می‌کند—اصلی که راه‌حل‌های مبتنی بر AI تنها به‌طور جزئی برآورده می‌کنند. یافته‌های مطالعه حاضر نیز از این امر پشتیبانی می‌کند؛ چون درمان سنتی بر چت‌بات در کاهش اضطراب پیشی گرفت و اهمیت حیاتیِ همدلی و سازگاریِ انسانی را—به‌ویژه برای افرادی با نیازهای هیجانی پیچیده‌تر—برجسته نمود.

در مقابل، دسترس‌پذیری و مقیاس‌پذیریِ چت‌بات در موقعیت‌های بحرانی—مانند جنگ اوکراین—وقتی درمان سنتی در دسترس نیست، بدیلی واقع‌گرایانه فراهم می‌کند. مطالعاتی مانند Lindqvist Bagge و همکاران و Dingle و همکاران که اثرات سلامت روانِ کووید-۱۹ را بررسی می‌کنند، نیاز رو‌به‌رشد به خدمات سلامت روان در زمان‌های بحران را برجسته می‌سازند.

همان‌گونه که در مطالعه حاضر نشان داده شد، راه‌حل‌های مبتنی بر AI می‌توانند نقشی کلیدی در کاهش بارِ فوری سلامت روان ایفا کنند. به‌طور مشابه، Lee و همکاران و Adepoju و Valdez شرح می‌دهند که چگونه دسترسی به درمان سلامت روان طی همه‌گیری کووید-۱۹ حیاتی شد و پلتفرم‌های توانمندسازی‌شده با AI مکملی سودمند برای نهادهای درمانیِ ازدحام‌زده فراهم کردند.

با این همه، در حالی‌که AI می‌تواند برخی شکاف‌ها را در مراقبت سلامت روان پر کند، Richards درباره محدودیت‌های آن در روان‌درمانی—به‌طور خاص ناتوانی در ایجاد ارتباطات درمانیِ واقعی—ابراز نگرانی می‌کند. یافته‌های مطالعه حاضر این نگرانی‌ها را تقویت می‌کند؛ چراکه درمانگران انسانی حمایت هیجانی و کاهش اضطرابِ بسیار بیشتری نسبت به چت‌بات فراهم کردند و محدودیت‌های AI را در بازتولید تعاملات ظریف و همدلانه‌ی مورد نیاز برای درمان مؤثر نشان دادند.

مطالعه جدید بر ظرفیت سامانه‌های توانمندسازی‌شده با AI در روان‌درمانی—به‌ویژه در محیط‌های بحرانی که دسترسی به درمانگران انسانی محدود است—تأکید دارد. این نتیجه با Clark و همکاران همخوان است که نشان دادند درمان شناختیِ برخط می‌تواند دسترسی درمانگران را به‌طور چشمگیری گسترش دهد و نتایج درمانی را در اختلالاتی مانند هراس اجتماعی بهبود بخشد.

هرچند سامانه‌های AI مانند چت‌بات‌ها می‌توانند دسترس‌پذیری را بهبود دهند، فاقد تعامل ظریف و همدلانه‌ای هستند که درمانگران انسانی ارائه می‌کنند—محدودیتی کلیدی که هم در مطالعه حاضر مشاهده شد و هم در Sufyan و همکاران که مدل‌های AI و روان‌شناسان را در ارائه هوش اجتماعی مقایسه کردند، مورد بحث قرار گرفت.

از نظر کاربرد عملی، یافته‌های مطالعه حاضر با یافته‌های Upadhyay و همکاران—که الگوریتم‌های یادگیری ماشین را برای شناسایی زودهنگام اختلال افسردگی پایدار به‌کار بردند—سازگار است و نشان می‌دهد AI می‌تواند به‌طور موفق به تشخیص زودهنگام و پایش کمک کند. با این حال، همان‌گونه که Wang اشاره می‌کند، مطالعه کنونی دریافت که هرچند سامانه‌های AI مانند چت‌بات Friend دسترس‌پذیری و حمایت روان‌شناختیِ فوری فراهم می‌کنند، جایگزین‌های کافی برای درمانگران انسانی نیستند—به‌خصوص هنگام رسیدگی به مسائل پیچیده سلامت روان که نیازمند سطح بالاتری از درگیری‌اند.

افزون بر این، الگوی هیبریدیِ پیشنهادشده در این مطالعه—که در آن AI از درمان انسانی پشتیبانی می‌کند—توسط پژوهش‌هایی مانند Aafjes-van Doorn که قابلیت‌سنجیِ AI در روان‌درمانی را از منظر بیمار و درمانگر بررسی کرده، حمایت می‌شود. درحالی‌که AI می‌تواند مداخلات درمانی را بهبود دهد و به درمانگران کمک کند، Suso-Ribera و همکاران بر اهمیت دخالت انسانی در مدیریت جنبه‌های پیچیده‌تر سلامت روان—مانند مدیریت درد مزمن—تأکید می‌کنند؛ جنبه‌هایی که مستلزم مراقبتِ شخصی‌سازی‌شده‌ای فراتر از ظرفیت سامانه‌های AI فعلی است.

یافته‌ها همچنین از ادعای Bhatt مبنی بر اینکه فناوری‌های سلامت روان دیجیتال نقشی روزافزون در آینده روان‌درمانی ایفا خواهند کرد، پشتیبانی می‌کند. با این حال، هم Bhatt و هم مطالعه حاضر محدودیت‌های AI را در بازتولید عمق هیجانی و تعاملات درمانیِ ارائه‌شده توسط درمانگران انسانی به رسمیت می‌شناسند و بر این notion تأکید می‌کنند که AI باید به‌عنوان ابزاری مکمل دیده شود نه راه‌حلی مستقل. بر اساس این یافته‌ها، آینده روان‌درمانی احتمالاً راهبردی هیبریدی خواهد بود؛ جایی که AI دامنه و کارایی درمانگران انسانی را افزایش می‌دهد بدون آنکه به‌طور کامل جایگزینشان شود.

ادغام AI در روان‌درمانی فرصت‌های چشمگیری برای بهبود دسترسی به درمان سلامت روان فراهم می‌کند—به‌ویژه در محیط‌های بحرانی که درمان سنتی ممکن است محدود باشد. یافته‌های مطالعه جدید با پژوهش‌های پیشین سازگار است و اهمیت AI را در گسترش دامنه درمان، کمک به تشخیص زودهنگام و ارائه حمایت فوری برجسته می‌کند. با این حال، محدودیت‌های شناسایی‌شده—مانند کمبود عمق هیجانی و تعاملات ظریفِ ذاتیِ درمان انسانی—نیاز به رویکردی هیبریدی را برجسته می‌سازد.

درحالی‌که سامانه‌های AI می‌توانند از درمانگران حمایت کنند و کارایی آنان را بهبود دهند، نمی‌توانند جایگزینِ مراقبت همدلانه و انعطاف‌پذیرِ ارائه‌شده توسط متخصصان انسانی—به‌ویژه در موقعیت‌های هیجانیِ پیچیده—شوند. پژوهش‌های آینده باید اثربخشی بلندمدتِ درمان‌های مبتنی بر AI را—به‌ویژه در وضعیت‌های بحرانیِ متنوع و در سراسر جمعیت‌ها—بررسی کند. علاوه بر این، بررسی‌های بعدی می‌تواند ادغام سامانه‌های AI با مدل‌های هیبریدیِ مراقبت (شامل درمانگر انسانی و یاری AI) و سنجش اثر آن بر نتایج کلی درمان را مطالعه کند. توسعه بیشتر سامانه‌های AI که عمق و واکنش‌پذیریِ هیجانی را افزایش می‌دهند، ممکن است کیفیتِ حمایت روان‌شناختیِ ارائه‌شده توسط چت‌بات‌ها را بهبود بخشد.

این مطالعه اثربخشی چت‌بات Friend مبتنی بر AI را در ارائه کمک روان‌شناختی به زنانِ حاضر در مناطق نبرد فعال در اوکراین—با مقایسه آن با تکنیک‌های استاندارد روان‌درمانی—بررسی کرد. هدف مطالعه تعیین این بود که آیا حمایت محرک‌شده با AI می‌تواند در شرایط پرفشار و کم‌منبع جایگزینی مؤثر برای درمان سنتی باشد یا خیر. در یک کارآزمایی تصادفی‌شده کنترل‌شده (RCT)، ۱۰۴ نفر به دو گروه تقسیم شدند: کسانی که از چت‌بات استفاده کردند و کسانی که درمان سنتی از روان‌شناسان واجد صلاحیت دریافت نمودند.

هرچند هر دو درمان در کاهش علائم اضطراب مفید بودند، مطالعه نشان داد درمان سنتی به کاهش چشمگیرترِ اضطراب انجامید—با ۴۵٪ کاهش در مقیاس اضطراب همیلتون در برابر ۳۰٪ برای چت‌بات. این یافته‌ها بر نیازِ تعامل انسانی در مداخلات سلامت روان—به‌ویژه در موقعیت‌های بحرانی که ارتباط شخصی و همدلی برای بهبود هیجانی ضروری است—تأکید می‌کند. با وجود نتایج بهترِ مرتبط با درمان سنتی، چت‌بات Friend پتانسیل قابل‌توجهی به‌عنوان یاریگرِ مکمل در مراقبت سلامت روان نشان داده است.

دسترس‌پذیری، مقرون‌به‌صرفه‌بودن و در دسترس‌بودنِ فوری آن، به‌ویژه در محیط‌هایی که دسترسی به درمانگران ماهر محدود است—مانند مناطق جنگی یا کشورهایی با منابع پایینِ سلامت—آن را مفید می‌کند. ظرفیت چت‌بات برای ارائه راهنمایی روان‌شناختیِ فردی از طریق پردازش زبان طبیعی و یادگیری ماشین، نقش رو‌به‌رشد AI را در گسترش دامنه خدمات سلامت روان برجسته می‌کند و درمان را مقیاس‌پذیرتر و سازگارتر می‌سازد.

اهمیت این مطالعه از شواهدِ نشان‌دهنده توان AI در پر کردن شکاف‌های ارائه خدمات سلامت روان—به‌ویژه در محیط‌های بحران یا کم‌منبع—ناشی می‌شود. هرچند چت‌بات عملکرد ضعیف‌تری نسبت به درمان سنتی داشت، مزایای آن از نظر دسترس‌پذیری و مقیاس‌پذیری قابل چشم‌پوشی نیست. این مطالعه به بدنه رو‌به‌رشد شواهدی می‌افزاید که نشان می‌دهد چت‌بات‌های توانمندسازی‌شده با AI می‌توانند مکمل‌های ارزشمندِ درمان سنتی باشند؛ با ارائه حمایت روان‌شناختیِ فوری و کمک به مدیریت اضطراب در دوره‌های حساس.

برای مطالعه مقالات بیشتر اینجا کلیک کنید.

این پژوهش نشان می‌دهد چت‌بات‌های مبتنی بر AI مانند Friend می‌توانند در شرایط بحرانی—به‌ویژه زمانی که گزینه‌های درمان سنتی محدودند—کمک روان‌شناختیِ در دسترس و مقیاس‌پذیر ارائه کنند. یافته‌ها حاکی از آن است که چنین فناوری‌هایی می‌تواند با هدف کمک به درمانگران انسانی در سامانه‌های مراقبت سلامت روان ادغام شود و کمکِ فوری در شرایط پرفشار ارائه کند.

پژوهش‌های آینده باید بر بهبود واکنش‌پذیری هیجانیِ چت‌بات‌ها و بررسی اثر بلندمدتِ این درمان‌ها بر پیامدهای سلامت روان متمرکز شود. یک راهبرد هیبریدی که فناوری AI را با رویکردهای درمان سنتی ترکیب کند، شاید مؤثرترین پاسخ برای رسیدگی به مسائل سلامت روان—چه در شرایط بحران و چه در محیط‌های روزمره—باشد.