DOI: https://doi.org/10.3389/fdgth.2025.1576135
PMID: https://pubmed.ncbi.nlm.nih.gov/40585405
تاريخ النشر: 2025-06-13
المؤلف: Lea Maria Schäfer وآخرون
الموضوع الرئيسي: التدخلات الرقمية في الصحة النفسية
نظرة عامة
تستكشف هذه الدراسة خصائص ودوافع وتوقعات ومواقف المستخدمين الذين يتعاملون مع Clare®، وهو ذكاء اصطناعي محادثاتي مصمم لدعم الصحة النفسية. كشفت دراسة استقصائية مقطعية شملت 527 مستخدمًا يتحدث الإنجليزية من تلقاء أنفسهم عن تحديات كبيرة في الصحة النفسية بين المشاركين، حيث عانى 69% من القلق، و59% من الاكتئاب، و32% من الضغط الشديد، و86% من الوحدة. أظهر المستخدمون ميولًا إيجابية تجاه الحلول الرقمية للصحة النفسية، مدفوعين بشكل أساسي بالرغبة في تجنب الإحراج (36%) والقلق بشأن مظهرهم أثناء الاستشارات الشخصية (35%). كانت توقعاتهم تركز على تلقي الدعم العاطفي (35%) وفرصة التعبير عن المشاعر (32%). ومن الجدير بالذكر أنه تم إنشاء تحالف عمل قوي خلال 3-5 أيام، كما يتضح من متوسط الدرجة 3.76 (SD = 0.72) في تقرير تحالف العمل القصير.
تؤكد النتائج على إمكانيات الذكاء الاصطناعي المحادثاتي لتوفير دعم نفسي متاح وخالٍ من الوصمة، مما يشير إلى أن المستخدمين الذين يعانون من تحديات نفسية يميلون إلى التفاعل مع الذكاء الاصطناعي للمساعدة الذاتية. يجب أن تركز الأبحاث المستقبلية على آليات التغيير، مثل تحالف العمل، وتأثيراتها على رفاهية المستخدم. بالإضافة إلى ذلك، من الضروري معالجة الاعتبارات الأخلاقية، وديناميكيات العلاقة، وإدارة المخاطر لتعزيز فعالية الذكاء الاصطناعي المحادثاتي في سياقات الصحة النفسية. سيساهم فهم توقعات وسلوكيات المستخدمين في تحسين التعليم حول قدرات وحدود الذكاء الاصطناعي في هذا المجال.
مقدمة
تسلط المقدمة الضوء على نقص كبير عالمي في المتخصصين في الصحة النفسية، يُقدّر بـ 1.18 مليون، مما يحد بشدة من الوصول إلى الرعاية، خاصة في البلدان ذات الدخل المنخفض والمتوسط حيث لا يتلقى حوالي 85% من الأفراد الذين يعانون من اضطرابات نفسية العلاج. تعقد الحواجز مثل الوصمة، والوصول المحدود، وتفضيل الرعاية الذاتية الوضع. استجابةً لذلك، تظهر التدخلات الخاصة بالرعاية الذاتية والتقدم في تقنيات الذكاء الاصطناعي (AI) وتعلم الآلة (ML) كحلول محتملة لتعزيز تقديم الرعاية النفسية. يوفر الذكاء الاصطناعي المحادثاتي (CAI)، الذي يستخدم معالجة اللغة الطبيعية، القدرة على الوصول إلى الفئات المحرومة وتقديم الدعم النفسي للمجموعات الضعيفة.
تناقش المقدمة أيضًا تطور CAIs من الأنظمة المبكرة مثل ELIZA إلى التطبيقات الحديثة مثل Woebot® وWysa®، التي تستفيد من نماذج اللغة الكبيرة (LLMs) لتفاعلات أكثر ديناميكية ووعيًا بالسياق. على الرغم من وعدها في تقليل الأعراض وزيادة تفاعل المستخدمين، تواجه CAIs تحديات، بما في ذلك القضايا الأخلاقية ومعدلات التفاعل المنخفضة. تحقق هذه الدراسة بشكل خاص في التركيبة السكانية، والرفاه النفسي، ودوافع مستخدمي Clare®، وهو وكيل محادثة قائم على الصوت يدمج الذكاء الاصطناعي القائم على القواعد والذكاء الاصطناعي التوليدي. تهدف النتائج إلى تعزيز فهم توقعات المستخدمين وإبلاغ التصميم المسؤول لـ CAIs التي تركز على الإنسان، مما يسهم في التنفيذ الفعال وإدارة دعم الصحة النفسية المدعوم بالذكاء الاصطناعي.
النتائج
تسلط نتائج الدراسة الضوء على إمكانيات Clare® كوكيل محادثة لتطبيقات الصحة النفسية، بينما تؤكد أيضًا على القضايا الأخلاقية والسلامة الكبيرة المرتبطة بالذكاء الاصطناعي في السياقات العلاجية. تشمل القضايا الرئيسية استقلالية المريض، وخطر الاعتماد المفرط على الذكاء الاصطناعي، وضرورة الحفاظ على الثقة في التفاعلات بين الإنسان والذكاء الاصطناعي. شمل تطوير Clare® التعاون بين التخصصات بهدف معالجة هذه المبادئ الأخلاقية، خاصة فيما يتعلق بالفئات الضعيفة التي قد تكون في خطر أكبر من الاعتماد العاطفي على أنظمة الذكاء الاصطناعي.
علاوة على ذلك، تؤكد الأبحاث على التعقيدات التي تقدمها الوكلاء المحادثات الاستباقية التي يمكن أن تغير المواضيع وتولد خطط علاج جديدة. تتطلب هذه التعقيدات تدابير أمان صارمة لمنع الاستجابات غير المناسبة وضمان التوافق مع الأهداف العلاجية. تدعو الدراسة إلى وضع إرشادات واضحة وتقييمات للمخاطر لتقليل الأضرار المحتملة، مثل بيانات التدريب المتحيزة وتقديم نصائح ضارة، والتي يمكن أن تقوض نتائج المستخدم وثقة الجمهور. بشكل عام، تدعو النتائج إلى معايير أخلاقية صارمة واستخدام مسؤول للذكاء الاصطناعي في أنظمة دعم الصحة النفسية.
المناقشة
تسلط قسم المناقشة في الدراسة حول Clare®، وكيل دعم الصحة النفسية بالذكاء الاصطناعي، الضوء على عدة نتائج رئيسية تتعلق بالتركيبة السكانية للمستخدمين، والرفاه النفسي، وأنماط التفاعل، والمواقف تجاه التدخلات الرقمية للصحة النفسية. تألفت العينة من 527 مشاركًا، معظمهم من الإناث (53%)، بمتوسط عمر 36.2 عامًا، مما يشير إلى أن أدوات الذكاء الاصطناعي مثل Clare® يمكن أن تجذب شريحة سكانية أوسع من تلك التي تم دراستها سابقًا، والتي غالبًا ما كانت تركز على البالغين الأصغر سنًا. كشفت التقييمات الأساسية عن مستويات عالية من القلق والاكتئاب بين المشاركين، مع تأثير الوحدة بشكل كبير على 86% من العينة، مما يبرز إمكانيات تدخلات الذكاء الاصطناعي لمعالجة هذه القضايا الملحة في الصحة النفسية.
أشارت مقاييس التفاعل إلى انخفاض في تكرار ومدة التفاعل على مدار فترة الدراسة، خاصة في مرحلة منتصف العلاج، مما يشير إلى أن التحالفات القوية الأولية قد لا تكون كافية للمشاركة المستمرة. كان المشاركون الذين يعانون من مستويات أعلى من الضيق أقل احتمالًا للبقاء متفاعلين، مما يبرز أهمية التفاعل المستمر للحفاظ على احتفاظ المستخدم. على الرغم من ارتفاع معدلات القبول للعلاج عبر الإنترنت، حيث وجد 71% من المشاركين أنه فعال، إلا أن نسبة صغيرة فقط كانت لديها خبرة سابقة مع أدوات الصحة النفسية الرقمية، مما يشير إلى فجوة بين المواقف الإيجابية والتفاعل الفعلي. كانت المخاوف بشأن الخصوصية منخفضة بشكل ملحوظ، حيث شعر العديد من المشاركين بمزيد من الأمان عند الكشف عن المشاعر عبر الإنترنت مقارنة بالعلاج التقليدي. تشير النتائج إلى أنه بينما يمكن أن توفر أدوات المساعدة الذاتية المدفوعة بالذكاء الاصطناعي دعمًا قيمًا، إلا أن هناك حاجة إلى مزيد من البحث لفهم ديناميكيات تفاعل المستخدم وفعالية هذه التدخلات على المدى الطويل.
القيود
تسلط قيود هذه الدراسة الضوء على عدة عوامل حاسمة قد تؤثر على قابلية تعميم وموثوقية النتائج. بشكل أساسي، كانت العينة تتكون في الغالب من دول غربية (المملكة المتحدة، ألمانيا، والولايات المتحدة)، مما يحد من قابلية تطبيق النتائج على سياقات ثقافية أخرى حيث قد تختلف المواقف تجاه الصحة النفسية والتكنولوجيا بشكل كبير. بالإضافة إلى ذلك، قد تكون طريقة التوظيف قد أدت إلى إدخال تحيزات تتعلق بالوصول الرقمي وكفاءة اللغة، على الرغم من الجهود المبذولة لجذب مجموعة متنوعة من المشاركين عبر منصات التواصل الاجتماعي المختلفة. قد يكون لجدة الروبوت الدردشة، Clare®، تأثير على تصورات المشاركين الأولية وتقييمات التحالف، حيث كان لدى العديد منهم خبرة محدودة سابقة مع أدوات الصحة النفسية الرقمية.
علاوة على ذلك، يثير اعتماد الدراسة على البيانات المبلغ عنها ذاتيًا مخاوف بشأن التحيزات مثل الرغبة الاجتماعية والتحيز في الذاكرة، خاصةً لأنه لم يتم جمع أي معلومات تشخيصية أو تاريخ علاج. تم إجراء تقييم التوقعات فقط في بداية المشاركة، مما يترك فجوة في فهم كيفية تطور هذه التوقعات بمرور الوقت. قد يحد استخدام الاستطلاعات كل أربعة أسابيع بدلاً من التقييم اللحظي البيئي (EMA) من الصلاحية البيئية أيضًا. يجب أن تتناول الأبحاث المستقبلية هذه القيود من خلال دمج عينات متنوعة، واستكشاف استدامة التحالف العلاجي بمرور الوقت، واستخدام أدوات قياس أكثر قوة مصممة للتفاعلات الرقمية. بالإضافة إلى ذلك، ستكون الدراسات اللاحقة ضرورية لتحليل العلاقة بين تفاعل المستخدم، والضيق النفسي، والتحالف العلاجي على مدى فترات طويلة.
DOI: https://doi.org/10.3389/fdgth.2025.1576135
PMID: https://pubmed.ncbi.nlm.nih.gov/40585405
Publication Date: 2025-06-13
Author(s): Lea Maria Schäfer et al.
Primary Topic: Digital Mental Health Interventions
Overview
This study investigates the characteristics, motivations, expectations, and attitudes of users engaging with Clare®, a conversational AI designed for mental health support. A cross-sectional survey involving 527 English-speaking self-referred users revealed significant mental health challenges among participants, with 69% experiencing anxiety, 59% depression, 32% severe stress, and 86% loneliness. Users demonstrated a positive disposition towards digital mental health solutions, primarily motivated by the desire to avoid embarrassment (36%) and concerns about their appearance during in-person consultations (35%). Their expectations centered on receiving emotional support (35%) and the opportunity to express feelings (32%). Notably, a strong working alliance was established within 3-5 days, as indicated by a mean score of 3.76 (SD = 0.72) on the Working Alliance Inventory-Short Report.
The findings underscore the potential of conversational AI to provide accessible and stigma-free mental health support, suggesting that users with mental health challenges are inclined to engage with AI for self-help. Future research should focus on the mechanisms of change, such as the working alliance, and their effects on user well-being. Additionally, it is essential to address ethical considerations, relationship dynamics, and risk management to enhance the effectiveness of conversational AI in mental health contexts. Understanding user expectations and behaviors will further improve education regarding the capabilities and limitations of AI in this field.
Introduction
The introduction highlights a significant global shortage of mental health professionals, estimated at 1.18 million, which severely limits access to care, particularly in low- and middle-income countries where approximately 85% of individuals with mental health disorders do not receive treatment. Barriers such as stigma, limited access, and a preference for self-care further complicate the situation. In response, self-care interventions and advancements in artificial intelligence (AI) and machine learning (ML) technologies are emerging as potential solutions to enhance mental healthcare delivery. Conversational AI (CAI), utilizing natural language processing, offers the ability to reach underserved populations and provide psychological support to vulnerable groups.
The introduction also discusses the evolution of CAIs from early systems like ELIZA to modern applications such as Woebot® and Wysa®, which leverage large language models (LLMs) for more dynamic and context-aware interactions. Despite their promise in symptom reduction and user engagement, CAIs face challenges, including ethical concerns and low engagement rates. This study specifically investigates the demographics, psychological wellbeing, and motivations of users of Clare®, a voice-based conversational agent that integrates rule-based and generative AI. The findings aim to enhance understanding of user expectations and inform the responsible design of human-centric CAIs, ultimately contributing to effective implementation and management of AI-driven mental health support.
Results
The results of the study highlight the potential of Clare® as a conversational agent for mental health applications, while also underscoring significant ethical and safety concerns associated with AI in therapeutic contexts. Key issues include patient autonomy, the risk of over-reliance on AI, and the necessity of maintaining trust in human-AI interactions. The development of Clare® involved interdisciplinary collaboration aimed at addressing these ethical principles, particularly in relation to vulnerable populations who may be at greater risk of emotional dependency on AI systems.
Furthermore, the research emphasizes the complexities introduced by proactive conversational agents that can shift topics and generate novel treatment plans. These complexities necessitate rigorous safety measures to prevent inappropriate responses and ensure alignment with therapeutic goals. The study calls for clear guidelines and risk assessments to mitigate potential harms, such as biased training data and the provision of harmful advice, which could undermine user outcomes and public trust. Overall, the findings advocate for stringent ethical standards and responsible AI use in mental health support systems.
Discussion
The discussion section of the study on Clare®, an AI mental health support agent, highlights several key findings regarding user demographics, psychological well-being, engagement patterns, and attitudes toward digital mental health interventions. The sample consisted of 527 participants, predominantly female (53%), with a mean age of 36.2 years, indicating that AI tools like Clare® can appeal to a broader demographic than previously studied populations, which often focused on younger adults. Baseline assessments revealed high levels of anxiety and depression among participants, with significant loneliness affecting 86% of the sample, underscoring the potential of AI interventions to address these pressing mental health issues.
Engagement metrics indicated a decline in interaction frequency and duration over the study period, particularly in the mid-treatment phase, suggesting that initial strong working alliances may not be sufficient for sustained participation. Participants with higher distress levels were less likely to remain engaged, highlighting the importance of ongoing interaction to maintain user retention. Despite high acceptance rates for online therapy, with 71% of participants finding it effective, only a small percentage had prior experience with digital mental health tools, indicating a gap between positive attitudes and actual engagement. Concerns about confidentiality were notably low, with many participants feeling more secure disclosing feelings online compared to traditional therapy. The findings suggest that while AI-driven self-help tools can provide valuable support, further research is needed to understand the dynamics of user engagement and the long-term efficacy of such interventions.
Limitations
The limitations of this study highlight several critical factors that may affect the generalizability and validity of the findings. Primarily, the sample was predominantly from Western countries (the UK, Germany, and the US), which restricts the applicability of the results to other cultural contexts where attitudes toward mental health and technology may differ significantly. Additionally, the recruitment method may have introduced biases related to digital access and language proficiency, despite efforts to engage a diverse participant pool across various social media platforms. The novelty of the chatbot, Clare®, may have influenced participants’ initial perceptions and alliance ratings, as many had limited prior experience with digital mental health tools.
Furthermore, the study’s reliance on self-reported data raises concerns about biases such as social desirability and recall bias, particularly since no diagnostic information or treatment history was collected. The assessment of expectations was conducted only at the beginning of participation, leaving a gap in understanding how these expectations may evolve over time. The use of surveys every four weeks instead of Ecological Momentary Assessment (EMA) could also limit ecological validity. Future research should address these limitations by incorporating diverse samples, exploring the sustainability of the therapeutic alliance over time, and employing more robust measurement tools tailored to digital interactions. Additionally, follow-up studies will be necessary to analyze the relationship between user engagement, psychological distress, and therapeutic alliance over extended periods.