تاثیر پذیری سلامت روان دیجیتال و گسترش قابل توجهی از چت بات ها در محیط سلامت روان
تاثیر پذیری سلامت روان دیجیتال و گسترش قابل توجهی از چت بات ها در محیط سلامت روان
مشکلات سلامت روان سالانه تقریبا یک میلیارد نفر را در سراسر جهان تحت تاثیر قرار می دهد ( 1 )، و افزایش قابل توجه آن در دهه های اخیر با افزایش میزان رفتارهای خودکشی، سوء مصرف مواد و انزوای اجتماعی مشخص می شود ( 2 ). همانطور که توسط سازمان بهداشت جهانی گزارش شده است، از هر چهار نفر، یک نفر در مقطعی از زندگی خود یک بیماری سلامت روان را تجربه می کند ( 3 ). به طور خاص، افسردگی و اضطراب شایع ترین اختلالات سلامت روان در سطح جهان هستند که به ترتیب 322 میلیون و 264 میلیون نفر را تحت تاثیر قرار می دهند ( 4 ).
علیرغم افزایش تقاضا برای سلامت روان، کمبود جهانی متخصصان سلامت روان همچنان ادامه دارد و شکافی ناپایدار بین تقاضا و ارائه خدمات وجود دارد ( 5 ). در ایالات متحده، تقریبا از هر پنج بزرگسال، یک نفر بیماری روانی را تجربه می کند، اما بسیاری از این افراد به درمان دسترسی ندارند ( 6 ). بیش از 75٪ از افراد در کشورهای توسعه نیافته که از اختلالات روانی رنج می برند، هیچ درمانی دریافت نمی کنند ( 7 ). کمبود منابع سلامت روان مانع از اجرای مداخلات فردی و مبتنی بر شواهد می شود که استاندارد طلایی در درمان سلامت روان محسوب می شوند ( 8 ). انتظارات فزاینده عمومی از سیستم های مراقبت های بهداشتی برای ارائه مراقبت های در دسترس، مقرون به صرفه و مبتنی بر شواهد به جمعیت های محروم از نظر پزشکی، فشار قابل توجهی بر این سیستم ها وارد می کند و نیاز به راه حل های نوآورانه برای رسیدگی به نابرابری های مداوم سلامت روان را برجسته می کند ( 9 ).
چت بات ها، که معمولا به عنوان عوامل مکالمه ای شناخته می شوند، برنامه های کامپیوتری پیچیده ای هستند که برای تقلید از مکالمه انسانی طراحی شده اند و به طور فزاینده ای در بخش های متنوعی از جمله خدمات مشتری، مراقبت های بهداشتی و تجارت الکترونیک ادغام می شوند ( 10 ). فضای سلامت روان دیجیتال شاهد گسترش قابل توجهی از چت بات ها بوده است که پتانسیل افزایش دسترسی به خدمات سلامت روان و پشتیبانی از مخاطبان گسترده تر را دارند و در نتیجه به کاهش کمبود نیروی کار سلامت روان موجود کمک می کنند. چندین چت بات، مانند Woebot ( 11 )، به عنوان ارائه دهندگان برجسته کمک به سلامت روان ظهور کرده اند و به کاربران مشاوره و تمرین های شخصی سازی شده مبتنی بر درمان شناختی رفتاری ارائه می دهند. سایر چت بات ها، مانند Replika، ظرفیت شبیه سازی ارتباطات عاطفی و همدلی روانی را دارند و آنها را به ابزاری ارزشمند برای متخصصان سلامت به عنوان کمکی برای درمان های آنلاین یا نظارت بر بیمار تبدیل می کنند ( 12 ). علاوه بر این، چت بات ها می توانند کاربران را از طریق تمرین ها و مداخلات ساختاریافته در برنامه های سلامت روان مانند Wysa وTess راهنمایی کنند ( 13 ). اثربخشی چت بات ها در پرداختن به اختلالات مختلف سلامت روان، از جمله افسردگی، استرس و ترس از ارتفاع، نشان داده شده است ( 14 )، و کاربردهای آن در حوزه درمان، آموزش، تعلیم، مشاوره و غربالگری در حوزه سلامت روان گسترش یافته است ( 15 ). علاوه بر این، چت بات ها از طریق مداخلاتی مانند آموزش ذهن آگاهی به کمک دیجیتال در مهارت های خودتنظیمی برای سلامت روان پایدار ( 16 ) و مداخلات تنفسی برای رفاه روانی و عاطفی ( 17 ) نقش محوری در ارتقای سلامت ایفا می کنند.
استفاده روزافزون از چت بات ها در سلامت روان منجر به افزایش قابل توجه تحقیقات دانشگاهی در زمینه بررسی تلاقی هوش مصنوعی و سلامت روان شده است. این افزایش تحقیقات، محققان را قادر ساخته است تا شکاف های دانش و روش شناسی را در ادبیات موجود در مورد چت بات ها و سلامت روان مشخص کنند. علا و همکاران ( 15 ) یک بررسی جامع از ادراکات و نظرات بیماران در مورد استفاده از چت بات ها برای مراقبت از سلامت روان انجام دادند که منجر به شناسایی 10 موضوع کلیدی از جمله سودمندی، سهولت استفاده، پاسخگویی، قابل فهم بودن، قابل قبول بودن، جذابیت، قابل اعتماد بودن، لذت بخش بودن، محتوا و مقایسه ها شد. الیان و همکاران ( 18 ) یک بررسی جامع از مداخلات دیجیتال سلامت روان انجام دادند که به طور خاص بر چت بات های مبتنی بر هوش مصنوعی تمرکز داشت و در مورد مسیر آینده هوش مصنوعی در این زمینه گمانه زنی می کرد. تجزیه و تحلیل نویسندگان، پتانسیل چت بات ها را برای ارائه مداخلات شخصی سازی شده، تکامل قابلیت های هوش مصنوعی و ادغام سیستم های پویای سلامت روان، شخصی سازی بیش از حد و تعامل شبه انسانی برجسته کرد. هانا ( 19 ) استفاده از مداخلات عامل مکالمه ای را در درمان مشکلات سلامت روان بررسی کرد و نتیجه گرفت که این مداخلات اثربخشی و مقبولیت امیدوارکننده ای را نشان می دهند. احمد و همکاران ( 20 ) یک بررسی سیستماتیک برای ارزیابی انواع پیامدها، ابزارهای اندازه گیری پیامد و روش های ارزیابی به کار رفته در مطالعاتی که اثربخشی مداخلات عامل مکالمه ای را برای سلامت روان ارزیابی می کنند، انجام دادند. یافته های آنها بر نیاز به یک مجموعه پیامد اصلی استاندارد و اتخاذ ابزارهای معتبر برای اطمینان از ثبات و مقایسه در مطالعات تاکید می کند. هان و همکاران ( 21 ) یک بررسی سیستماتیک برای بررسی پتانسیل عوامل مکالمه ای مبتنی بر هوش مصنوعی در پرداختن به مسائل سلامت روان، ترکیب شواهد در مورد اثربخشی آنها، تجربه کاربر و عوامل موثر بر اثربخشی آنها انجام دادند. با این حال، این مطالعات به دلیل تمرکز محدود آنها بر مشکلات یا سناریوهای خاص سلامت روان، عبارات جستجوی محدود و در نتیجه شناسایی تعداد نسبتا کمی از مطالعات، محدود بودند. در همین حال، کمبود تحلیل کتاب سنجی جامع در این زمینه تحقیقاتی وجود دارد. به دلیل مبانی چند رشته ای و زمینه های کاربردی متنوع، مفید است که درک واضح تری از وضعیت، روندها و موضوعات آن در این زمینه تحقیقاتی داشته باشیم.
با توجه به شکاف دانش موجود در این حوزه تحقیقاتی، انجام یک مطالعه جامع با تمرکز بر بررسی چت بات ها در سلامت روان، با استفاده از عبارات جستجوی دقیق و جامع، ضروری است. هدف اصلی این مطالعه، ارائه یک منبع اساسی برای تلاش های تحقیقاتی آینده و کمک به پیشرفت این حوزه با ارائه چارچوبی برای تحقیقات آینده است. تجزیه و تحلیل کتاب سنجی رویکردی متمایز برای ارزیابی خروجی علمی جهانی و شناسایی روندهای توسعه ای ارائه می دهد و محققان را قادر می سازد تا درک عمیق تری از چشم انداز تحقیق به دست آورند و همکاری بین رشته ای را تسهیل کنند. کتاب سنجی به عنوان یک روش کمی و عینی، تجزیه و تحلیل روندهای نوظهور و ساختارهای دانش را در یک حوزه امکان پذیر می کند و پایه محکمی برای تصمیم گیری مبتنی بر داده فراهم می کند ( 22 ).
1. Rehm J, Shield KD. Global burden of disease and the impact of mental and addictive disorders. Curr Psychiatry Rep. (2019) 21:10. doi: 10.1007/s11920-019-0997-0
PubMed Abstract| Crossref Full Text| Google Scholar
2. Jeste DV, Lee EE, Cacioppo S. Battling the modern behavioral epidemic of loneliness: suggestions for research and interventions. JAMA Psychiatry. (2020) 77:553–4. doi: 10.1001/jamapsychiatry.2020.0027
PubMed Abstract| Crossref Full Text| Google Scholar
3. Pontes HM, Schivinski B, Sindermann C, Li M, Becker B, Zhou M, et al. Measurement and conceptualization of gaming disorder according to the world health organization framework: the development of the gaming disorder test. Int J Ment Health Addict. (2021) 19:508–28. doi: 10.1007/s11469-019-00088-z
Crossref Full Text| Google Scholar
4. Levant RF, Gregor M, Alto KM. Dimensionality, variance composition, and development of a brief form of the duke health profile, and its measurement invariance across five gender identity groups. Psychol Health. (2022) 37:658–73. doi: 10.1080/08870446.2021.1871907
PubMed Abstract| Crossref Full Text| Google Scholar
5. Zhang S, Gong T-T, Wang H-Y, Zhao Y-H, Wu Q-J. Global, regional, and national endometriosis trends from 1990 to 2017. Ann New York Acad Sci. (2021) 1484:90–101. doi: 10.1111/nyas.14468
PubMed Abstract| Crossref Full Text| Google Scholar
6. National Institute of Mental Health. Mental illness. (2024). Available online at: https://www.nimh.nih.gov/health/statistics/mental-illness (Accessed September 1, 2024).
7. . World Mental Health Day: an opportunity to kick-start a massive scale-up in investment in mental health (2020). Available online at: https://www.who.int/news/itern/27-08-2020worldmental-health-day-an-opportunity-to-kick-start-a-massivescale-up-in-investment-in-mental-health (Accessed September 1, 2024).
Abd-alrazaq AA, Alajlani M, Alalwan AA, Bewick BM, Gardner P, Househ M. An overview of the features of chatbots in mental health: A scoping review. Int J Med Inform. (2019) 132:103978. doi: 10.1016/j.ijmedinf.2019.103978
PubMed Abstract| Crossref Full Text| Google Scholar
9. Campion J, Javed A, Lund C, Sartorius N, Saxena S, Marmot M, et al. Public mental health: required actions to address implementation failure in the context of COVID-19. Lancet Psychiatry. (2022) 9:169–82. doi: 10.1016/S2215-0366(21)00199-1
PubMed Abstract| Crossref Full Text| Google Scholar
10. Ramya JB, Alur S. Unleashing the potential of chatbots in business: A bibliometric analysis. Business Inf Rev. (2023) 40:123–36. doi: 10.1177/02663821231189344
Crossref Full Text| Google Scholar
11. Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): A randomized controlled trial. JMIR Ment Health. (2017) 4:e19. doi: 10.2196/mental.7785
PubMed Abstract| Crossref Full Text| Google Scholar
12. Vaidyam AN, Wisniewski H, Halamka JD, Kashavan MS, Torous JB. Chatbots and conversational agents in mental health: A review of the psychiatric landscape. Can J Psychiatry. (2019) 64:456–64. doi: 10.1177/0706743719828977
PubMed Abstract| Crossref Full Text| Google Scholar
13. D’Alfonso S. AI in mental health. Curr Opin Psychol. (2020) 36:112–7. doi: 10.1016/j.copsyc.2020.04.005
PubMed Abstract| Crossref Full Text| Google Scholar
14. Abd-Alrazaq AA, Rababeh A, Alajlani M, Bewick BM, Househ M. Effectiveness and safety of using chatbots to improve mental health: systematic review and meta-analysis. J Med Internet Res. (2020) 22:e16021. doi: 10.2196/16021
PubMed Abstract| Crossref Full Text| Google Scholar
15. Abd-alrazaq AA, Alajlani M, Ali N, Denecke K, Bewick BM, Househ M. Perceptions and opinions of patients about mental health chatbots: scoping review. J Med Internet Res. (2021) 23:e17828. doi: 10.2196/17828
PubMed Abstract| Crossref Full Text| Google Scholar
16. Mitsea E, Drigas A, Skianis C. Digitally assisted mindfulness in training self-regulation skills for sustainable mental health: A systematic review. Behav Sci (Basel). (2023) 13. doi: 10.3390/bs13121008
PubMed Abstract| Crossref Full Text| Google Scholar
17. Mitsea E, Drigas A, Skianis C. Artificial intelligence, immersive technologies, and neurotechnologies in breathing interventions for mental and emotional health: A systematic review. Electronics. (2024) 13:2253. doi: 10.3390/electronics13122253
Crossref Full Text| Google Scholar
18. Boucher EM, Harake NR, Ward HE, Stoeckl SE, Vargas J, Minkel J, et al. Artificially intelligent chatbots in digital mental health interventions: a review. Expert Rev Med Devices. (2021) 18:37–49. doi: 10.1080/17434440.2021.2013200
PubMed Abstract| Crossref Full Text| Google Scholar
19. Gaffney H, Mansell W, Tai S. Conversational agents in the treatment of mental health problems: mixed-method systematic review. JMIR Ment Health. (2019) 6:e14166. doi: 10.2196/14166
PubMed Abstract| Crossref Full Text| Google Scholar
20. Jabir AI, Martinengo L, Lin X, Torous J, Subramaniam M, Tudor Car L. Evaluating conversational agents for mental health: scoping review of outcomes and outcome measurement instruments. J Med Internet Res. (2023) 25:e44548. doi: 10.2196/44548
PubMed Abstract| Crossref Full Text| Google Scholar
21. Li H, Zhang R, Lee Y-C, Kraut RE, Mohr DC. Systematic review and meta-analysis of AI-based conversational agents for promoting mental health and well-being. NPJ Digit Med. (2023) 6:236. doi: 10.1038/s41746-023-00979-5
PubMed Abstract| Crossref Full Text| Google Scholar
22. Ai Z, Yuan D, Meng Y, Ai Z, Zhu S. Research trends of exercise therapy of college students in depression from 2002 to 2022: a bibliometric analysis. Front Neurosci. (2023) 17:1188341. doi: 10.3389/fnins.2023.1188341