論文の概要: Mental Health Generative AI is Safe, Promotes Social Health, and Reduces Depression and Anxiety: Real World Evidence from a Naturalistic Cohort
- arxiv url: http://arxiv.org/abs/2511.11689v1
- Date: Wed, 12 Nov 2025 09:16:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:22.998601
- Title: Mental Health Generative AI is Safe, Promotes Social Health, and Reduces Depression and Anxiety: Real World Evidence from a Naturalistic Cohort
- Title（参考訳）: メンタルヘルス生成AIは安全で、社会的健康を促進し、抑うつと不安を減らす:自然主義的コホートからのリアルワールドエビデンス
- Authors: Thomas D. Hull, Lizhe Zhang, Patricia A. Arean, Matteo Malgaroli,
- Abstract要約: メンタルヘルスのために構築されたジェネレーティブ人工知能(GAI)は、安全でパーソナライズされ、スケーラブルなメンタルヘルスサポートを提供する。
我々はメンタルヘルスのために設計された基礎モデルを評価する。
- 参考スコア（独自算出の注目度）: 0.3499870393443268
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative artificial intelligence (GAI) chatbots built for mental health could deliver safe, personalized, and scalable mental health support. We evaluate a foundation model designed for mental health. Adults completed mental health measures while engaging with the chatbot between May 15, 2025 and September 15, 2025. Users completed an opt-in consent, demographic information, mental health symptoms, social connection, and self-identified goals. Measures were repeated every two weeks up to 6 weeks, and a final follow-up at 10 weeks. Analyses included effect sizes, and growth mixture models to identify participant groups and their characteristic engagement, severity, and demographic factors. Users demonstrated significant reductions in PHQ-9 and GAD-7 that were sustained at follow-up. Significant improvements in Hope, Behavioral Activation, Social Interaction, Loneliness, and Perceived Social Support were observed throughout and maintained at 10 week follow-up. Engagement was high and predicted outcomes. Working alliance was comparable to traditional care and predicted outcomes. Automated safety guardrails functioned as designed, with 76 sessions flagged for risk and all handled according to escalation policies. This single arm naturalistic observational study provides initial evidence that a GAI foundation model for mental health can deliver accessible, engaging, effective, and safe mental health support. These results lend support to findings from early randomized designs and offer promise for future study of mental health GAI in real world settings.
- Abstract（参考訳）: メンタルヘルスのために構築されたジェネレーティブ人工知能(GAI)チャットボットは、安全でパーソナライズされ、スケーラブルなメンタルヘルスサポートを提供する。
我々はメンタルヘルスのために設計された基礎モデルを評価する。
成人は、2025年5月15日から2025年9月15日までチャットボットと関わりながら、メンタルヘルス対策を完了した。
ユーザーはオプトインの同意、人口統計情報、メンタルヘルスの症状、社会的つながり、そして自己識別目標を完了した。
対策は2週間から6週間に1度実施され、最終段階は10週間に分けて実施された。
分析には、効果の大きさと、参加者グループとその特徴的エンゲージメント、重症度、人口統計要因を特定するための成長混合モデルが含まれていた。
利用者はPHQ-9とGAD-7を継続して大幅に削減した。
希望,行動活性化,社会的相互作用,孤独感,知覚的社会的支援の大幅な改善が観察され,その後10週間で維持された。
エンゲージメントは高く、予測された結果だった。
労働同盟は伝統的なケアや予測結果に匹敵するものだった。
自動安全ガードレールは設計通りに機能し、76のセッションはリスクを警告し、すべてエスカレーションポリシーに従って処理された。
この単一腕の自然主義的な観察研究は、メンタルヘルスのためのGAI基盤モデルが、アクセス可能で、エンゲージメントがあり、効果的で、安全なメンタルヘルスをサポートすることができるという最初の証拠を提供する。
これらの結果は、初期のランダム化設計の発見を支援し、現実の環境でのメンタルヘルスGAIの今後の研究を約束する。
関連論文リスト
- Digital Phenotyping for Adolescent Mental Health: A Feasibility Study Employing Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data [2.2310516973117194]
本研究は,非クリニカル青年期の精神障害を予測するために,アクティブおよびパッシブスマートフォンデータを統合する可能性について検討した。
我々はMindcraftアプリを用いて、内因性障害、摂食障害、不眠症、自殺思考のリスクを予測する。
論文 参考訳（メタデータ） (2025-01-15T15:05:49Z) - MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。
プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。
MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文 参考訳（メタデータ） (2024-10-09T13:06:40Z) - IoT-Based Preventive Mental Health Using Knowledge Graphs and Standards for Better Well-Being [8.437366120438156]
デジタル技術は持続可能な開発目標3をサポートすることができる。
健康と幸福」は健康な生活を保証し、あらゆる年齢の幸福を促進する。
燃え尽き症候群やうつ病は 予防的健康を増すことで減らせる
論文 参考訳（メタデータ） (2024-06-19T19:35:14Z) - Predicting Depression and Anxiety: A Multi-Layer Perceptron for
Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。
本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。
このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
論文 参考訳（メタデータ） (2024-03-09T22:49:04Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳（メタデータ） (2024-02-19T18:00:30Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - Capturing social media expressions during the COVID-19 pandemic in
Argentina and forecasting mental health and emotions [0.802904964931021]
アルゼンチンで発生したCOVID-19パンデミックの際の精神状態や感情は、ソーシャルメディアで使われる言語表現に基づいて予測する。
メンタルヘルスの状況と感情は、ソーシャルメディアの内容とレキシコンを結びつけるマーカーを介してキャプチャされる。
論文 参考訳（メタデータ） (2021-01-12T15:15:31Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - A Robotic Positive Psychology Coach to Improve College Students'
Wellbeing [16.70932067272569]
本研究は,大学寮に在住する大学生に対して,ポジティブな心理学的介入を行うためのソーシャルロボットコーチの利用について検討する。
被験者の心理的幸福感,気分,準備性は,調査終了後の幸福感を改善するために統計的に有意な改善が認められた。
学生の性格特性は介入効果と有意な関連があることが判明した。
論文 参考訳（メタデータ） (2020-09-08T15:51:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。