Aplicações de modelos de linguagem de grande escala no tratamento de depressão: uma revisão sistemática
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1318Palavras-chave:
Saúde Mental, Depressão, Modelos de Linguagem de Grande EscalaResumo
Objetivo: Este estudo revisa o uso de Modelos de Linguagem de Grande Escala (LLMs) na área da saúde mental, focando especificamente no tratamento da depressão. Método: Foram analisados 18 artigos de um total inicial de 121, explorando como os LLMs auxiliam na tomada de decisões clínicas e na interação entre profissionais de saúde mental e pacientes deprimidos. Resultados: Os resultados principais mostram que os LLMs podem aumentar a precisão na detecção de sintomas e melhorar as intervenções terapêuticas por meio de interfaces conversacionais avançadas. Conclusão: O resumo aponta para lacunas na pesquisa existente e ressalta a contribuição do estudo para uma melhor compreensão da aplicabilidade dos LLMs em contextos clínicos.
Referências
Liu S, Zheng C, Demasi O, Sabour S, Li Y, Yu Z, Jiang Y, Huang M. Towards Emotional Support Dialog Systems. In: Zong C, Xia F, Li W, Navigli R, editors. Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers); 2021 Aug; Online. Association for Computational Linguistics; p. 3469–3483. Disponível em: https://aclanthology.org/2021.acl-long.269. DOI: 10.18653/v1/2021.acl-long.269.
Grové C. Co-developing a mental health and wellbeing chatbot with and for young people. Frontiers in Psychiatry. 2021;11.
Demszky D, et al. Using large language models in psychology. Nature Reviews Psychology. 2023;2(11):688–701.
Siddaway AP, Wood A, Hedges L. How to do a systematic review: A best practice guide for conducting and reporting narrative reviews, meta-analyses, and meta-syntheses. Annual Review of Psychology. 2019;70:747-770. DOI: 10.1146/annurev-psych-010418-102803.
Carrera-Rivera A, et al. How-to conduct a systematic literature review: A quick guide for computer science research. MethodsX. 2022;9:101895.
Page M, et al. The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. Journal of Clinical Epidemiology. 2021.
Hwang G, et al. Assessing the potential of chatgpt for psychodynamic formulations in psychiatry: An exploratory study. Psychiatry Research. 2024;331:115655.
Furukawa TA, et al. Harnessing AI to optimize thought records and facilitate cognitive restructuring in smartphone CBT: An exploratory study. Cognitive Therapy and Research. 2023;47(6):887–893.
Bucur A-M. Utilizing chatgpt generated data to retrieve depression symptoms from social media. 2023.
Hashem R, et al. AI to the rescue: Exploring the potential of chatgpt as a teacher ally for workload relief and burnout prevention. Research and Practice in Technology Enhanced Learning. 2024;19:023.
Gabor-Siatkowska K, et al. AI to train AI: Using chatgpt to improve the accuracy of a therapeutic dialogue system. Electronics. 2023;12(22).
Levkovich I, Elyoseph Z. Identifying depression and its determinants upon initiating treatment: Chatgpt versus primary care physicians. Family Medicine and Community Health. 2023;11(4).
Montag C, et al. On artificial intelligence and global mental health. Asian Journal of Psychiatry. 2023;103855.
Dougherty RF, et al. Psilocybin therapy for treatment resistant depression: prediction of clinical outcome by natural language processing. Psychopharmacology. 2023.
Bird JJ, Lotfi A. Generative transformer chatbots for mental health support: A study on depression and anxiety. In: Proceedings of the 16th International Conference on PErvasive Technologies Related to Assistive Environments, PETRA ’23; 2023 p. 475–479. New York, NY, USA: Association for Computing Machinery.
Brooks JA, et al. Emotion expression estimates to measure and improve multimodal social-affective interactions. In: Companion Publication of the 25th International Conference on Multimodal Interaction, ICMI ’23 Companion; 2023 p. 353–358. New York, NY, USA: Association for Computing Machinery.
Bokolo Biodoumoye George, Liu Qingzhong. Deep Learning-Based Depression Detection from Social Media: Comparative Evaluation of ML and Transformer Techniques. Electronics. 2023;12(21):4396. Disponível em: https://www.mdpi.com/2079-9292/12/21/4396. DOI: 10.3390/electronics12214396.
Zhou W, et al. Identifying rare circumstances preceding female firearm suicides: Validating a large language model approach. JMIR Ment Health. 2023;10.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
