Velké jazykové modely v péči o duševní zdraví: přehled a metaanalýza
Metaanalýza
Co vám tenhle typ studie řekne
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.
Nový výzkum
Jak nová je studie
Podle roku vydání; klasika stojí stranou.
-
Nový výzkum ← tahle studie
vyšla letos nebo loni. -
Zavedené
vyšla předloni nebo dřív. -
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.
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
Dostávejte nové studie e-mailem → · Jednou týdně, česky. Odhlásíte se jedním kliknutím.