Large Language Models in Mental Health Care: a Scoping Review

要約

メンタルヘルスケアにおける大規模言語モデル (LLM) の統合は、新興分野です。
応用結果を系統的にレビューし、臨床現場における利点と限界を明確にする必要があります。
このレビューは、メンタルヘルスケアにおける LLM の使用の包括的な概要を提供し、その有効性、課題、将来の応用の可能性を評価することを目的としています。
2023 年 11 月に、PubMed、Web of Science、Google Scholar、arXiv、medRxiv、PsyArXiv を含む複数のデータベースにわたって体系的な検索が実施されました。査読の有無にかかわらず、2019 年 10 月 1 日から 2019 年 10 月 1 日までの間に出版または配布されたあらゆる形式のオリジナル研究。
2023 年 12 月 2 日は、T5 以降に開発された LLM を使用し、精神保健医療現場での研究上の疑問に直接対処した場合、言語制限なしで含まれます。
313 件の初期論文プールから、メンタルヘルスケアにおける LLM 適用との関連性および報告された結果の堅牢性に基づいて、34 件の論文が掲載基準を満たしました。
診断、治療、患者エンゲージメントの強化など、メンタルヘルスケアにおける LLM の多様な応用が特定されています。主な課題には、データの可用性と信頼性、精神状態の微妙な扱い、効果的な評価方法が含まれます。
精度とアクセシビリティの向上には成功しましたが、臨床応用性と倫理的考慮事項におけるギャップは明らかであり、堅牢なデータ、標準化された評価、および学際的な協力の必要性が指摘されています。
LLM はメンタルヘルスケアの強化に大きな期待を持っています。
その可能性を最大限に発揮するには、現在の制限に対処するための堅牢なデータセット、開発および評価フレームワーク、倫理ガイドライン、および学際的なコラボレーションの開発に重点を置く必要があります。

要約(オリジナル)

The integration of large language models (LLMs) in mental health care is an emerging field. There is a need to systematically review the application outcomes and delineate the advantages and limitations in clinical settings. This review aims to provide a comprehensive overview of the use of LLMs in mental health care, assessing their efficacy, challenges, and potential for future applications. A systematic search was conducted across multiple databases including PubMed, Web of Science, Google Scholar, arXiv, medRxiv, and PsyArXiv in November 2023. All forms of original research, peer-reviewed or not, published or disseminated between October 1, 2019, and December 2, 2023, are included without language restrictions if they used LLMs developed after T5 and directly addressed research questions in mental health care settings. From an initial pool of 313 articles, 34 met the inclusion criteria based on their relevance to LLM application in mental health care and the robustness of reported outcomes. Diverse applications of LLMs in mental health care are identified, including diagnosis, therapy, patient engagement enhancement, etc. Key challenges include data availability and reliability, nuanced handling of mental states, and effective evaluation methods. Despite successes in accuracy and accessibility improvement, gaps in clinical applicability and ethical considerations were evident, pointing to the need for robust data, standardized evaluations, and interdisciplinary collaboration. LLMs hold substantial promise for enhancing mental health care. For their full potential to be realized, emphasis must be placed on developing robust datasets, development and evaluation frameworks, ethical guidelines, and interdisciplinary collaborations to address current limitations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google