Velké jazykové modely v péči o duševní zdraví: přehled a metaanalýza

Leung a kol., 2026
Metaanalýza

Co vám tenhle typ studie řekne

Metaanalýza
Sečte výsledky mnoha studií do jednoho čísla. Řekne, jak velký je účinek v průměru a jak moc se studie liší. Neřekne, co pomůže právě vašemu klientovi, a je jen tak dobrá jako studie, které sčítá.
Další typy studií
  • Expertní konsenzus
    Shrnuje, na čem se shodli odborníci. Řekne, co obor právě doporučuje. Je to dohoda lidí, ne výsledek měření, a může se změnit.
  • Kvalitativní výzkum
    Podrobně se ptá lidí nebo rozebírá záznamy sezení. Řekne, jak klienti a terapeuti terapii prožívají, co pro ně znamená a co se v ní děje. Neřekne, jak často se to stává ani jak velký je účinek.
  • Kvaziexperiment
    Porovná skupiny, které nevznikly losem. Řekne, jak si postup vede v běžných podmínkách. Rozdíl ale nemusí být dán postupem: skupiny se mohly lišit už na začátku.
  • Observační studie
    Sleduje a měří, co se děje v běžné praxi, a do ničeho nezasahuje. Řekne, co s čím souvisí a jak se věci vyvíjejí v čase. Neřekne, co je příčina a co následek.
  • Případová studie
    Podrobně sleduje jednu terapii nebo několik málo. Řekne, jak změna probíhala krok za krokem u konkrétního člověka a co k ní vedlo. Neřekne, jestli to tak bude i u jiných klientů.
  • RCT
    Rozdělí lidi do skupin losem a skupiny porovná. Řekne, jestli postup působí lépe než to, s čím se srovnával. Neřekne, proč působí, jak ho klienti prožívají, ani jak dopadne v běžné praxi.
  • Systematický přehled
    Podle předem daných pravidel dohledá a porovná studie k jedné otázce. Řekne, co se o ní ví a kde se studie rozcházejí. Neřekne víc než studie, ze kterých vychází.
  • Teoretická práce
    Promýšlí pojmy a nabízí způsob, jak něčemu rozumět. Dá vám slova a rámec pro to, co v terapii vidíte. Sama nic neověřuje.

Žádný typ není obecně lepší, každý odpovídá na jinou otázku. Jestli něco pomáhá, ukáže pokus a souhrn pokusů. Jak to probíhá a jak to lidé prožívají, ukáže kvalitativní a případový výzkum.

66 studií
Nový výzkum

Jak nová je studie

Podle roku vydání; klasika stojí stranou.

  1. Nový výzkum ← tahle studie
    vyšla letos nebo loni.
  2. Zavedené
    vyšla předloni nebo dřív.
  3. Klasika
    práce, na které obor staví.

Stáří neříká, jak je studie spolehlivá.

Ve zkratce

Autoři přehledu prošli 66 studií o velkých jazykových modelech v péči o duševní zdraví. Nejlépe si modely vedly u strukturovaných úkolů, jako je psaní dokumentace a sledování symptomů. U diagnostiky a posouzení rizika zůstává jistota důkazů nízká.

Čte AI hlas

Celý souhrn studie Souvislosti · Co studie zjistila · Co to znamená · Co nepřeceňovat

Souvislosti

Velké jazykové modely jsou obecné programy, které pracují s textem. V péči o duševní zdraví se testují na úkolech, kde hraje jazyk hlavní roli. Patří sem screening (zachycení možných případů) a diagnostika, podpora rozhodování, podpora léčby, dokumentace, vzdělávání klientů a komunikace s klienty. Autoři hledali studie v pěti databázích od listopadu 2022 do března 2026. Zařadili 66 studií. Z toho bylo 37 simulovaných studií na popsaných případech, 22 retrospektivních a jen 7 prospektivních. Kvalitu studií hodnotili standardními nástroji a jistotu důkazů posuzovali podle systému pro hodnocení jistoty důkazů.

Co studie zjistila

Metaanalýza osmi studií spojila screeningové a diagnostické úlohy týkající se deprese, úzkostných poruch, příznaků souvisejících s PTSD a suicidality. Souhrnné odhady nevyjadřují přesnost pro jednotlivé diagnózy. U GPT-4 byl souhrnný podíl správně rozpoznaných lidí s potížemi 0,83 a lidí bez potíží jen 0,77. U GPT-3.5 byly tyto podíly 0,70 a 0,96, u GPT-3 pak 0,61 a 0,94. Odhady byly velmi nejisté, a to i pro použití modelů v jiném prostředí. U GPT-4 se odhadovaný podíl správně zachycených lidí s potížemi v jiném prostředí pohyboval od 0,02 do 1,00. To znamená, že výkon modelu v jiném prostředí nelze předpovědět. Rozdíly mezi studiemi byly velké. V ostatních oblastech nebylo možné studie sloučit a autoři je popsali slovně. Nejstabilnější výsledky byly u strukturovaných úkolů s jasným vstupem a výstupem. Sem patří shrnování sezení, vytahování informací ze záznamů a sledování symptomů. U těchto úkolů dosáhla jistota důkazů mírné úrovně. Slabší byly výsledky tam, kde je potřeba uvážlivý klinický úsudek. Jde o diagnostiku, posouzení rizika, krizovou reakci a terapeutickou interakci. V simulovaných krizových situacích modely někdy rozpoznaly vysoké riziko, ale nerozlišily střední stupně rizika. Jistota důkazů byla v těchto oblastech nízká.

Co to znamená

Většina dat pochází ze simulovaných případů nebo z rozborů dříve získaných údajů. O běžné praxi s reálnými klienty vypovídají málo. Většina studií byla v angličtině, takže o jiných jazycích mnoho nevíme. Autoři uzavírají, že široká dostupnost modelů není totéž jako jejich klinická připravenost. Doporučují další výzkum v reálném provozu. Podle autorů by měl sledovat bezpečnost, spolehlivost, spravedlnost a dopad na výsledky klientů. Pro praxi z toho plyne jedna věc. Plynulá a přesvědčivá odpověď chatbota není důkazem spolehlivého posouzení.

Co nepřeceňovat

Spolehlivost chatbota při posuzování rizika. Studie ji v běžném provozu netestovala, většina dat pochází ze simulovaných případů a jeden přehled není důvod měnit svůj přístup.

Zdroje

  • Leung J, Johnson B, McRae K, Fong S, Gonzalez PC (2026). Generative Large Language Models in Mental Health Care Settings: Systematic Review and Meta-Analysis. JMIR AI. https://doi.org/10.2196/87730

Témata

AI v psychoterapii · měření v terapii · suicidalita a riziko

Dostávejte nové studie e-mailem → · Jednou týdně, česky. Odhlásíte se jedním kliknutím.