論文の概要: From Pattern Recognizers to Personalized Companions: A Survey of Large Language Models in Mental Health

• arxiv url: http://arxiv.org/abs/2609.25186v1
• Date: Mon, 21 Sep 2026 16:58:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.051946
• Title: From Pattern Recognizers to Personalized Companions: A Survey of Large Language Models in Mental Health
• Title（参考訳）: パターン認識から個人化コンパニオンへ:メンタルヘルスにおける大規模言語モデルの検討
• Abstract要約: 大規模言語モデル(LLM)は、精神的な健康支援を民主化する強力な可能性を持つ変革的技術として登場した。 この調査は、心的健康におけるLLMの役割は、3つの異なる、より洗練された段階を通して進化している。 我々は、既存の作業の総合的な合成、その軌道に関する洞察に富んだ物語、そして精神医療のための責任、効果的、人間中心のAIにおける将来のイノベーションのためのロードマップを提供する。
• 参考スコア（独自算出の注目度）: 84.98088380345726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rising global prevalence of mental health conditions, together with longstanding barriers in traditional healthcare, such as limited resources, high cost, stigma, and privacy concerns, has created an urgent need for accessible and scalable support. Large Language Models (LLMs) have emerged as a transformative technology with strong potential to democratize mental health support through advanced natural language understanding and generation. However, the rapidly expanding, fragmented body of work in this area lacks a coherent evolutionary narrative, making it difficult to contextualize current progress and identify future directions. This survey addresses this gap by organizing and analyzing the literature around a central thesis: the role of LLMs in mental health is evolving through three distinct, increasingly sophisticated phases. We trace this trajectory from Phase I, in which LLMs act primarily as passive Information Tools and Pattern Recognizers for assessment; through Phase II, where they function as Empathetic Conversationalists for in-the-moment, stateless interactions; to the current frontier, Phase III, which seeks Longitudinal, Personalized Companions implemented as stateful cognitive agents. To support this framework, we systematically review core technologies, agent architectures (Profile, Memory, Reasoning, and Planning), and the critical infrastructure of datasets and benchmarks, highlighting how their evolution underpins this developmental path. Viewing the field through this developmental lens, we provide a comprehensive synthesis of existing work, an insightful narrative of its trajectory, and a clear roadmap for future innovation in responsible, effective, and human-centered AI for mental healthcare. A curated collection of the resources reviewed in this survey is available at our project repository: https://github.com/Emo-gml/Awesome-Mental-Health-LLMs.
• Abstract（参考訳）: メンタルヘルスの世界的な流行は、限られたリソース、高いコスト、スティグマ、プライバシーの懸念など、伝統的な医療における長年の障壁と共に、アクセスしやすくスケーラブルなサポートを緊急に必要としてきた。 大規模言語モデル(LLM)は、先進的な自然言語理解と生成を通じてメンタルヘルスサポートを民主化する強力な可能性を持つ変革的技術として登場した。 しかし、この地域で急速に拡大し、断片化された作品群は、コヒーレントな進化の物語を欠いているため、現在の進歩の文脈化と将来の方向性の特定が困難である。 この調査は、心的健康におけるLLMの役割は、3つの異なる、より洗練された段階を通して進化している、という中心的な論文の文献を整理し分析することによって、このギャップに対処する。 本研究は,LLMが主に受動的情報ツールおよびパターン認識器として評価を行う第I段階から,第2段階まで,それらが情緒的会話家として機能するインザモーメント,ステートレスインタラクション,そして現在フロンティアである第3段階まで,それぞれがステートフル認知エージェントとして実施されている縦長的,個人化されたコンパニオンを追求する段階まで,この軌道を辿る。 このフレームワークをサポートするために、私たちは、コア技術、エージェントアーキテクチャ(Profile、Memory、Reasoning、Planning)、データセットとベンチマークの重要なインフラストラクチャを体系的にレビューし、彼らの進化がこの開発パスをどのように支えているかを強調しました。 この発達レンズを通してフィールドを眺めることで、既存の作業の総合的な合成、その軌道に関する洞察に富んだ物語、そして精神医療のための責任、効果的、人間中心のAIにおける将来のイノベーションのための明確なロードマップを提供する。 この調査でレビューされたリソースのキュレートされたコレクションは、プロジェクトリポジトリ(https://github.com/Emo-gml/Awesome-Mental-Health-LLMs)で公開されています。

関連論文リスト

• Team MKC at CLPsych 2026: Capturing and Characterizing Mental Health Changes through Social Media Timeline Dynamics [34.97214561560987]
  逐次順序付けされたユーザ投稿に対する総合的なメンタルヘルス分析のためのLLMベースのパイプラインを提案する。 当社のパイプラインは,ポストレベルアセスメントとユーザレベルの時間的モデリングを共同で実現する統合フレームワークを提供する。
  論文  参考訳（メタデータ） (2026-06-30T10:43:22Z)
• From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models [66.36007274540113]
  MLLM(Multimodal Large Language Models)は、物理的世界に対する深い人間的な理解と相互作用を達成するための試みである。 情報取得(知覚)や推論(認知)を行う際、しばしば浅く不整合な統合を示す。 この調査では、新しい統合分析フレームワーク「知覚から認知へ」を紹介した。
  論文  参考訳（メタデータ） (2025-09-29T18:25:40Z)
• A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
  本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。 本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
  論文  参考訳（メタデータ） (2025-08-13T13:42:35Z)
• SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.920107586781919]
  メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。 この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-17T22:04:32Z)
• Explainable AI for Mental Disorder Detection via Social Media: A survey and outlook [0.7689629183085726]
  データサイエンス、人工知能、メンタルヘルスケアの交差点を徹底的に調査する。 人口の大部分がオンラインソーシャルメディアプラットフォームに積極的に関与し、膨大な個人情報を保管している。 この論文は、従来の診断方法、最先端のデータおよびAI駆動型研究研究、および精神医療のための説明可能なAIモデル(XAI)の出現をナビゲートする。
  論文  参考訳（メタデータ） (2024-06-10T02:51:16Z)
• Benefits and Harms of Large Language Models in Digital Mental Health [40.02859683420844]
  大型言語モデル (LLMs) は、デジタルメンタルヘルスを未知の領域に導くことを約束している。 本稿では、デジタルメンタルヘルスツールの設計、開発、実装においてLLMがもたらす可能性とリスクについて、現代の展望を示す。
  論文  参考訳（メタデータ） (2023-11-07T14:11:10Z)

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。