Large Language Models for Mental Health: A Systematic Review

本文是LLM系列文章，针对《Large Language Models for Mental Health: A Systematic Review》的翻译。

摘要

背景
大型语言模型（LLM）在数字健康领域受到了广泛的关注，并显示出其潜力，而其在心理健康领域的应用仍存在争议。这篇系统综述旨在通过调查LLM最新工作的优势和局限性，总结和描述LLM在心理健康中的应用，并讨论早期筛查、数字干预和其他心理健康临床应用的挑战和机遇。
目标
这篇系统综述严格审查了LLM在心理健康中的使用，特别关注其在早期筛查、数字干预和临床环境中的适用性和有效性。通过系统地整理和评估当前研究的证据，我们的工作分析了模型、方法、数据来源和结果，从而描绘了LLM在心理健康护理中的运营效用的明确未来。
方法
根据PRISMA指南，本次审查搜索了四个开放访问数据库：PubMed、IEEE Xplore、Scopus和医学互联网研究杂志（JMIR）。使用的关键词是：（心理健康或精神疾病或精神障碍或精神病学）和（大型语言模型）。我们纳入了2017年1月1日至2023年12月31日期间发表的文章，排除了非英语文章。
结果
总共评估了30篇文章，包括通过文本检测的精神疾病和自杀意念2（n=12），心理健康会话代理（CA）的LLM使用情况（n=5），以及LLM在心理健康中的其他应用和评估（n=13）。LLM在发现心理健康问题和提供可获得的、去污名化的电子健康服务方面表现出显著的有效性。然而，评估也表明，目前与临床使用相关的风险可能超过其益处。这些风险包括生成的文本不一致、产生幻觉的内容以及缺乏全面的道德框架。
结论
这篇系统综述考察了LLM在心理健康中的临床应