DOI: https://doi.org/10.2196/60435
PMID: https://pubmed.ncbi.nlm.nih.gov/40063074
تاريخ النشر: 2025-03-10
المؤلف: Johanna Habicht وآخرون
الموضوع الرئيسي: التدخلات الرقمية في الصحة النفسية
نظرة عامة
تدرس هذه الدراسة فعالية أداة دعم العلاج المدعومة بالذكاء الاصطناعي (AI) في تعزيز مشاركة المرضى ونتائج العلاج في العلاج السلوكي المعرفي (CBT) للاكتئاب واضطرابات القلق. على الرغم من فعالية CBT المعروفة، يعاني العديد من المرضى من الالتزام بالتمارين العلاجية بين الجلسات، مما يمكن أن يعيق نجاح العلاج. شملت الأبحاث دراسة رصدية في العالم الحقيقي لـ 244 مريضًا يخضعون للعلاج الجماعي القائم على CBT عبر خمس خدمات العلاج النفسي التابعة للخدمات الصحية الوطنية في المملكة المتحدة. من بين هؤلاء، استخدم 150 مريضًا الأداة المدعومة بالذكاء الاصطناعي، بينما تلقى 94 مريضًا مواد CBT القياسية من خلال دفاتر العمل الثابتة.
كشفت النتائج أن المرضى الذين استخدموا الأداة الذكية أظهروا معدلات حضور أعلى بشكل ملحوظ، ومعدلات انسحاب أقل، وتحسنًا في مقاييس التحسن الموثوق والتعافي مقارنة بمجموعة التحكم. كان الانخراط مع الأداة الذكية مرتبطًا إيجابيًا بالالتزام بالعلاج والنجاح، مما يبرز أهمية الدعم المخصص في العلاج. بالإضافة إلى ذلك، أشارت التعليقات النوعية من عينة غير سريرية منفصلة إلى أن المستخدمين وجدوا الأداة الذكية مفيدة بشكل خاص لمناقشة المشكلات وتطبيق مهارات التكيف في الحياة اليومية. بشكل عام، تستنتج الدراسة أن دمج أدوات الدعم المدعومة بالذكاء الاصطناعي مع العلاج التقليدي يمكن أن يعزز فعالية العلاج وإمكانية الوصول إليه، مما قد يخفف العبء على خدمات الصحة النفسية.
مقدمة
تسلط المقدمة الضوء على العبء العالمي الكبير لحالات الصحة النفسية، وخاصة القلق والاكتئاب، التي أثرت على أكثر من 29% من السكان في حياتهم حتى عام 2019. زادت جائحة COVID-19 من تفاقم هذه المشكلة، مما أدى إلى زيادة انتشار اضطراب الاكتئاب الشديد بنسبة 27.6% واضطرابات القلق بنسبة 25.6% بين عامي 2020 و2021. يُعترف بالعلاج السلوكي المعرفي (CBT) كعلاج فعال من الخط الأول؛ ومع ذلك، أظهرت دراسة تحليلية أن 58% من المرضى لا يستجيبون له، ويرجع ذلك أساسًا إلى عدم الالتزام الكافي بالتمارين العلاجية بين الجلسات.
يؤكد النص على أهمية الدعم بين الجلسات، والذي يتضمن مواد تعليمية نفسية، وتقييم ذاتي، ومهام محددة حسب الأسلوب، كعوامل حاسمة للحفاظ على التقدم العلاجي. تشير الدراسات التحليلية إلى أن كل من كمية وجودة إكمال المهام تؤثر بشكل كبير على نتائج العلاج. تعاني الطرق التقليدية لتقديم مواد CBT، مثل أوراق العمل والتطبيقات الرقمية، من قيود تعيق امتثال المرضى. تقترح المقدمة أن الأدوات الرقمية المبتكرة، وخاصة تلك التي تستفيد من الذكاء الاصطناعي التوليدي (AI) ونماذج اللغة الكبيرة (LLMs) مثل ChatGPT، يمكن أن تعزز مشاركة المرضى وامتثالهم للعلاج، مما يحسن النتائج السريرية في العلاج النفسي.
الطرق
في هذه الدراسة، تضمنت الطرق المستخدمة لتقييم فعالية أداة دعم العلاج المدعومة بالذكاء الاصطناعي قياس عدد المواد والتمارين العلاجية المكتملة من قبل المرضى، والتي شملت الواجبات المنزلية التي بدأت وانتهت بين جلسات العلاج. بدأت التحليلات بمقارنة الخصائص الديموغرافية قبل العلاج (العمر، الجنس، العرق، التوجه الجنسي)، وأوقات الانتظار، ودرجات الاكتئاب والقلق الأساسية عبر مجموعات التدخل والتحكم لضمان قابلية المقارنة.
شملت التحليلات الإحصائية اختبار كاي تربيع ثنائي الطرف للنتائج الفئوية واختبار t للطلاب المستقلين ثنائي الطرف للنتائج المستمرة. تم تقييم النتائج السريرية باستخدام نماذج الانحدار الخطي للمتغيرات المستمرة (مثل عدد المواعيد التي تم حضورها) والانحدار اللوجستي للمتغيرات الفئوية (مثل معدلات الانسحاب). تم ترميز مجموعة التدخل كـ 1 ومجموعة التحكم كـ 0، مع إجراء تعديلات على درجات القلق والاكتئاب الأساسية، بالإضافة إلى نسبة النساء والمشاركين المغايرين. تم الإبلاغ عن معاملات الانحدار ونسب الأرجحية (ORs) مع فترات الثقة (CIs) بنسبة 95%. بالإضافة إلى ذلك، داخل مجموعة التدخل، درست الدراسة العلاقة بين انخراط المرضى مع التطبيق والنتائج السريرية باستخدام ارتباط بيرسون للمتغيرات المستمرة وارتباط نقطي ثنائي للمتغيرات الثنائية، متماشية مع الأبحاث السابقة التي تشير إلى أن الانخراط قد يعزز فعالية العلاج.
النتائج
في هذه الدراسة، قمنا بفحص تأثير أداة دعم العلاج المدعومة بالذكاء الاصطناعي التوليدي على نجاح العلاج والامتثال بين المرضى المشاركين في العلاج الجماعي ضمن خمس خدمات العلاج النفسي التابعة للخدمات الصحية الوطنية في المملكة المتحدة المقدمة من Everyturn Mental Health. أظهرت مجموعة التدخل، التي استخدمت الأداة الذكية للدعم بين الجلسات، تحسينات سريرية ملحوظة مقارنة بمجموعة التحكم التي استخدمت أوراق العمل التقليدية للعلاج السلوكي المعرفي (CBT). من الجدير بالذكر أن المرضى الذين لديهم وصول إلى الأداة الذكية أظهروا معدلات أعلى من التحسن الموثوق، والتعافي، والتعافي الموثوق.
بالإضافة إلى ذلك، ساهمت الأداة الذكية في تعزيز الالتزام بالعلاج، كما يتضح من زيادة الحضور في جلسات العلاج، وتقليل المواعيد الفائتة (DNAs)، وانخفاض معدلات الانسحاب. كان مستوى الانخراط مع الأداة الذكية مرتبطًا إيجابيًا بنجاح العلاج، مما يشير إلى أن التفاعل الأكبر مع الأداة أدى إلى نتائج سريرية أفضل. تشير هذه النتائج إلى أن دمج أداة دعم العلاج المدعومة بالذكاء الاصطناعي في الممارسات العلاجية التقليدية يمكن أن يعزز نتائج المرضى الفردية بينما يقلل من التكاليف ويحسن كفاءة الخدمة من خلال تقليل المواعيد الفائتة.
المناقشة
قيمت الدراسة فعالية Limbic Care، وهي أداة دعم علاج مدعومة بالذكاء الاصطناعي التوليدي، في تعزيز مشاركة المرضى ونتائجهم السريرية خلال العلاج السلوكي المعرفي (CBT) القائم على المجموعة في خدمات العلاج النفسي التابعة للخدمات الصحية الوطنية في المملكة المتحدة. شملت الدراسة الرصدية 244 مريضًا، من بينهم 150 استخدموا الأداة الذكية بينما اعتمد 94 على المواد العلاجية التقليدية. أشارت النتائج إلى أن مجموعة التدخل حضرت عددًا أكبر بشكل ملحوظ من جلسات العلاج (زيادة متوسطة قدرها 2 جلسات)، وأظهرت انخفاضًا بنسبة 15 نقطة مئوية في الجلسات الفائتة، وتجربة انخفاض بنسبة 23 نقطة مئوية في معدلات الانسحاب مقارنة بمجموعة التحكم.
علاوة على ذلك، كانت الأداة المدعومة بالذكاء الاصطناعي مرتبطة بمقاييس نجاح العلاج المحسنة، بما في ذلك معدل أعلى بنسبة 21 نقطة مئوية من التحسن الموثوق وزيادة بنسبة 25 نقطة مئوية في معدلات التعافي. تشير النتائج إلى أن الطبيعة التفاعلية والشخصية للأداة الذكية تعزز التحالف العلاجي، مما يعزز مشاركة المرضى ويؤدي إلى نتائج سريرية أفضل. تؤكد الدراسة على إمكانية استخدام تكنولوجيا الذكاء الاصطناعي لتعزيز الأساليب العلاجية التقليدية، مما يعزز الالتزام والفعالية في علاج الصحة النفسية.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات رئيسية للتحسين والبحث المستقبلي. أولاً، يتطلب التصميم الرصدي تنفيذ تجربة عشوائية محكومة للتحقق من النتائج. على الرغم من أن الدراسة تحكمت في عوامل مشوشة مختلفة، مثل شدة أعراض المرضى، إلا أنها افتقرت إلى بيانات حول الحالة الاجتماعية والاقتصادية، والتي يمكن أن تؤثر على النتائج. ومع ذلك، تشير التشابهات في المناطق الجغرافية للمشاركين إلى اختلافات اجتماعية واقتصادية ضئيلة. يمكن أن تعالج الدراسات المستقبلية التي تستخدم تصاميم عشوائية هذه المتغيرات المشوشة بشكل أفضل.
بالإضافة إلى ذلك، بينما تم جمع التعليقات النوعية حول أداة دعم العلاج المدعومة بالذكاء الاصطناعي، جاءت من عينة ملائمة غير سريرية. على الرغم من أن هؤلاء المستخدمين أظهروا مستويات مرتفعة من الاكتئاب والقلق، إلا أن وجهات نظرهم قد لا تعكس بدقة آراء السكان الأوسع من المرضى. لتعزيز قوة التقييمات المستقبلية، يُوصى بإدراج تقييم عملية مختلط في تجربة عشوائية محكومة. ستوفر هذه الطريقة فهمًا أكثر شمولاً لفعالية الأداة ومجالات التحسين.
DOI: https://doi.org/10.2196/60435
PMID: https://pubmed.ncbi.nlm.nih.gov/40063074
Publication Date: 2025-03-10
Author(s): Johanna Habicht et al.
Primary Topic: Digital Mental Health Interventions
Overview
This study investigates the effectiveness of a generative artificial intelligence (AI)-enabled therapy support tool in enhancing patient engagement and treatment outcomes in cognitive behavioral therapy (CBT) for depression and anxiety disorders. Despite CBT’s established efficacy, many patients struggle with adherence to therapeutic exercises between sessions, which can hinder treatment success. The research involved a real-world observational study of 244 patients undergoing group-based CBT across five National Health Service Talking Therapies services in the UK. Among these, 150 patients utilized the AI-enabled tool, while 94 received standard CBT materials through static workbooks.
The findings revealed that patients using the AI tool demonstrated significantly higher attendance rates, lower dropout rates, and improved metrics of reliable improvement and recovery compared to the control group. Engagement with the AI tool was positively correlated with treatment adherence and success, underscoring the importance of personalized support in therapy. Additionally, qualitative feedback from a separate nonclinical sample indicated that users found the AI tool particularly beneficial for problem discussion and the application of coping skills in daily life. Overall, the study concludes that integrating AI-enabled support tools with traditional therapy can enhance treatment efficacy and accessibility, potentially alleviating the burden on mental health services.
Introduction
The introduction highlights the significant global burden of mental health conditions, particularly anxiety and depression, which affected over 29% of the population in their lifetime as of 2019. The COVID-19 pandemic exacerbated this issue, increasing the prevalence of major depressive disorder by 27.6% and anxiety disorders by 25.6% between 2020 and 2021. Cognitive Behavioral Therapy (CBT) is recognized as an effective first-line treatment; however, a meta-analysis revealed that 58% of patients do not respond to it, primarily due to inadequate engagement with therapeutic exercises between sessions.
The text emphasizes the importance of between-session support, which includes psychoeducational materials, self-assessment, and modality-specific tasks, as critical for maintaining therapeutic progress. Meta-analyses indicate that both the quantity and quality of task completion significantly influence treatment outcomes. Traditional methods of delivering CBT materials, such as worksheets and digital applications, have limitations that hinder patient compliance. The introduction suggests that innovative digital tools, particularly those leveraging generative artificial intelligence (AI) and large language models (LLMs) like ChatGPT, could enhance patient engagement and adherence to treatment, thereby improving clinical outcomes in mental health therapy.
Methods
In this study, the methods employed to evaluate the efficacy of an AI-enabled therapy support tool involved measuring the number of completed therapeutic materials and exercises by patients, which included homework assignments initiated and finalized between therapy sessions. The analysis began with a comparison of pretreatment demographic characteristics (age, gender, ethnicity, sexual orientation), wait times, and baseline depression and anxiety scores across intervention and control groups to ensure comparability.
Statistical analyses included a 2-tailed chi-square test for categorical outcomes and a 2-tailed independent student t-test for continuous outcomes. Clinical outcomes were assessed using linear regression models for continuous variables (e.g., number of attended appointments) and logistic regression for categorical variables (e.g., dropout rates). The intervention group was coded as 1 and the control group as 0, with adjustments made for baseline anxiety and depression scores, as well as the proportion of women and heterosexual participants. Regression coefficients and odds ratios (ORs) were reported with 95% confidence intervals (CIs). Additionally, within the intervention group, the study examined the relationship between patient engagement with the app and clinical outcomes using Pearson correlation for continuous variables and point-biserial correlation for binary variables, aligning with previous research indicating that engagement may enhance treatment efficacy.
Results
In this study, we examined the impact of a generative AI-enabled therapy support tool on treatment success and adherence among patients participating in group therapy within five UK NHS Talking Therapies provided by Everyturn Mental Health. The intervention group, which utilized the AI tool for support between sessions, demonstrated significant clinical improvements compared to the control group that used standard static cognitive-behavioral therapy (CBT) worksheets. Notably, patients with access to the AI tool exhibited higher rates of reliable improvement, recovery, and reliable recovery.
Additionally, the AI tool contributed to enhanced treatment adherence, as evidenced by increased attendance at therapy sessions, a reduction in missed appointments (DNAs), and lower dropout rates. The level of engagement with the AI tool was positively correlated with treatment success, indicating that greater interaction with the tool led to better clinical outcomes. These findings suggest that incorporating an AI-enabled therapy support tool into conventional therapeutic practices can enhance individual patient outcomes while potentially reducing costs and improving service efficiency by minimizing missed appointments.
Discussion
The study evaluated the efficacy of Limbic Care, a generative AI-enabled therapy support tool, in enhancing patient engagement and clinical outcomes during group-based cognitive behavioral therapy (CBT) in the UK’s National Health Service (NHS) Talking Therapies. The observational study involved 244 patients, of whom 150 utilized the AI tool while 94 relied on traditional therapeutic materials. Findings indicated that the intervention group attended significantly more therapy sessions (average increase of 2 sessions), exhibited a 15 percentage point reduction in missed sessions, and experienced a 23 percentage point decrease in dropout rates compared to the control group.
Moreover, the AI-enabled tool was associated with improved treatment success metrics, including a 21 percentage point higher rate of reliable improvement and a 25 percentage point increase in recovery rates. The results suggest that the personalized, interactive nature of the AI tool fosters a therapeutic alliance, thereby enhancing patient engagement and leading to better clinical outcomes. The study underscores the potential of AI technology to augment traditional therapeutic approaches, promoting adherence and effectiveness in mental health treatment.
Limitations
The limitations of this study highlight several key areas for improvement and future research. Firstly, the observational design necessitates the implementation of a randomized controlled trial to validate the findings. Although the study controlled for various confounding factors, such as patients’ symptom severity, it lacked data on socioeconomic status, which could influence outcomes. However, the similarity in geographic areas of participants suggests minimal socioeconomic differences. Future studies employing randomized designs could better address these confounding variables.
Additionally, while qualitative feedback on the AI-enabled therapy support tool was gathered, it originated from a nonclinical convenience sample. Although these users exhibited heightened levels of depression and anxiety, their perspectives may not accurately reflect those of the broader patient population. To enhance the robustness of future evaluations, incorporating a mixed methods process evaluation in a randomized controlled trial is recommended. This approach would provide a more comprehensive understanding of the tool’s effectiveness and areas for improvement.