Knowledge Mapping and Frontier Analysis of Artificial Intelligence Applications in Mental Health Interventions: A CiteSpace‑Based Bibliometric Analysis

दशकों से, दुनिया मानसिक स्वास्थ्य देखभाल में एक शांत संकट का सामना कर रही है। चिंता, अवसाद और अन्य स्थितियों से जूझ रहे लोगों की संख्या, प्रशिक्षित थेरेपिस्टों की तुलना में कहीं अधिक है जो उनकी मदद कर सकें। यह कमी वैश्विक है, और प्रतीक्षा सूची लंबी है। हाल के वर्षों में, इस अंतर को भरने के लिए एक नए प्रकार की तकनीक उभरी है: लार्ज लैंग्वेज मॉडल्स (बड़े भाषा मॉडल)। ये कंप्यूटर सिस्टम हैं जिन्हें विशाल मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है जो मानवीय भाषा को आश्चर्यजनक प्रवाह के साथ समझ और उत्पन्न कर सकते हैं। वे बातचीत कर सकते हैं, भावनात्मक समर्थन दे सकते हैं, और यहाँ तक कि एक थेरेपिस्ट की तकनीकों का अनुकरण भी कर सकते हैं। वादा यह है कि ये उपकरण एक सेतु के रूप में कार्य कर सकते हैं, उन लाखों लोगों को तत्काल, सुलभ देखभाल प्रदान कर सकते हैं जिनके पास वर्तमान में कुछ भी नहीं है। लेकिन जैसे-जैसे ये डिजिटल सहायक बढ़ते जा रहे हैं, एक महत्वपूर्ण प्रश्न बना हुआ है: क्या वे वास्तव में काम कर रहे हैं, और हम कैसे जान सकते हैं कि उनमें से कौन से सुरक्षित हैं?

इसका उत्तर देने के लिए, चीन और संयुक्त राज्य अमेरिका के शोधकर्ताओं की एक टीम ने एक कदम पीछे हटकर इस विषय पर संपूर्ण वैज्ञानिक साहित्य के परिदृश्य को देखने का निर्णय लिया। किसी एक चैटबॉट का परीक्षण करने या एक नया प्रयोग चलाने के बजाय, उन्होंने वेब ऑफ साइंस डेटाबेस से 1,685 प्रकाशित अध्ययनों को एकत्र और विश्लेषित किया, जो अकादमिक अनुसंधान का एक विशाल संग्रह है। उन्होंने इस क्षेत्र के मानचित्रण के लिए 'साइटस्पेस' (CiteSpace) नामक एक विशेष सॉफ्टवेयर टूल का उपयोग किया कि यह क्षेत्र कैसे विकसित हुआ है, कौन इस पर काम कर रहा है, और क्या प्रश्न पूछे जा रहे हैं। परिणाम इस क्षेत्र की एक स्पष्ट तस्वीर है जो आकार में तो तेजी से बढ़ रहा है, लेकिन अभी भी वास्तविक दुनिया में अपनी पकड़ बनाने की कोशिश कर रहा है।

इस शोध क्षेत्र की कहानी अचानक हुई तेजी की कहानी है। लगभग चालीस वर्षों तक, 1982 से लेकर 2020 के दशक की शुरुआत तक, प्रति वर्ष प्रकाशित होने वाले अध्ययनों की संख्या बहुत कम थी, जो अक्सर एक से लेकर एक दर्जन के बीच रहती थी। शोधकर्ता इस विचार की खोज कर रहे थे, लेकिन प्रगति धीमी और बिखरी हुई थी। फिर, 2023 में, सब कुछ बदल गया। उस वर्ष, प्रकाशनों की संख्या 22 से बढ़कर 65 हो गई। यह वृद्धि वहीं नहीं रुकी; यह 2024 में 183 शोध पत्रों तक उछल गई, 2025 में लगभग 600 तक पहुँची, और 2026 के मध्य तक 644 तक पहुँच गई। यह नाटकीय उछाल उन्नत जनरेटिव आर्टिफिशियल इंटेलिजेंस टूल्स (जैसे कि वे चैटबॉट्स जो अब कहानियाँ लिख सकते हैं और जटिल प्रश्नों के उत्तर दे सकते हैं) के सार्वजनिक रिलीज के साथ पूरी तरह मेल खाता है। डेटा बताता है कि इन शक्तिशाली नई तकनीकों के आगमन ने अकादमिक रुचि की एक लहर पैदा कर दी है, जिससे पिछले चार वर्षों में किया गया कुल शोध कार्य इस क्षेत्र में अब तक किए गए कुल कार्य का 93 प्रतिशत हो गया है।

जब शोधकर्ताओं ने देखा कि इस विस्फोट को कौन चला रहा है, तो उन्हें वैश्विक प्रयास का एक विशिष्ट पैटर्न मिला। चीन ने सबसे अधिक 534 लेखों के साथ उत्पादन किया, जिसके बाद संयुक्त राज्य अमेरिका 438 के साथ दूसरे स्थान पर रहा। इंग्लैंड, जापान और दक्षिण कोरिया जैसे अन्य देशों ने भी महत्वपूर्ण योगदान दिया। हालाँकि, सहयोग का मानचित्र उत्पादन के मानचित्र से अलग कहानी बताता है। जबकि चीन के पास लेखों की संख्या सबसे अधिक है, उसके शोधकर्ता अमेरिकी समकक्षों की तुलना में वैश्विक नेटवर्क से उतने गहराई से जुड़े नहीं हैं। संयुक्त राज्य अमेरिका सहयोग के जाल के केंद्र में स्थित है, जो कई अलग-अलग देशों के शोधकर्ताओं को एक साथ जोड़ने वाले एक हब के रूप में कार्य करता है। इसके विपरीत, चीनी शोध, प्रचुर होने के बावजूद, इस नेटवर्क में कुछ हद तक अलग-थलग बना हुआ है। यह सुझाव देता है कि जबकि कई देश काम कर रहे हैं, संयुक्त राज्य अमेरिका वर्तमान में इस विशिष्ट क्षेत्र में विचारों को जोड़ने और अंतर्राष्ट्रीय सहयोग को बढ़ावा देने वाला प्राथमिक इंजन है।

इस दौड़ का नेतृत्व करने वाले संस्थान मुख्य रूप से संयुक्त राज्य अमेरिका और यूरोप के प्रमुख विश्वविद्यालय हैं। हार्वर्ड यूनिवर्सिटी, कैलिफोर्निया यूनिवर्सिटी सिस्टम और लंदन यूनिवर्सिटी अग्रणी उत्पादकों में शामिल हैं। ये समूह न केवल बेहतर चैटबॉट्स बना रहे हैं; वे उनका कड़ाई से परीक्षण भी कर रहे हैं। वे इस बात की जांच कर रहे हैं कि क्या ये आर्टिफिशियल इंटेलिजेंस उपकरण अवसाद या ऑब्सेसिव-कंपल्सिव डिसऑर्डर (ओसीडी) जैसी स्थितियों का सटीक निदान कर सकते हैं। वे नैदानिक परीक्षण (क्लिनिकल ट्रायल) चला रहे हैं ताकि यह देखा जा सके कि क्या कंप्यूटर प्रोग्राम से बात करना वास्तव में पारंपरिक देखभाल की तुलना में रोगी के लक्षणों में सुधार कर सकता है। वे सुरक्षा को लेकर भी गहराई से चिंतित हैं, और अध्ययन कर रहे हैं कि जब कोई उपयोगकर्ता आत्मघाती विचार व्यक्त करता है तो ये सिस्टम कैसे विफल हो सकते हैं या वे संवेदनशील सांस्कृतिक अंतरों को कैसे संभाल सकते हैं।

संख्याओं में तीव्र वृद्धि के बावजूद, शोधकर्ताओं ने पाया कि यह क्षेत्र अभी भी अपने परिपक्वता के शुरुआती चरणों में है। साहित्य में सबसे आम विषय स्वयं तकनीक पर केंद्रित हैं: मॉडल्स को मानवीय भावनाओं को समझने में बेहतर कैसे बनाया जाए, उन्हें संज्ञानात्मक व्यवहार थेरेपी (कॉग्निटिव बिहेवियरल थेरेपी) जैसी विशिष्ट चिकित्सा पद्धतियों पर कैसे प्रशिक्षित किया जाए, और यह कैसे सुनिश्चित किया जाए कि वे तथ्य न गढ़ें या खतरनाक सलाह न दें। "कंप्यूटेशनल मॉडलिंग" पर एक मजबूत जोर है, जिसका अर्थ है यह समझने के लिए गणित का उपयोग करना कि मानव मस्तिष्क निर्णय कैसे लेता है और ये डिजिटल उपकरण उन प्रक्रियाओं की नकल कैसे कर सकते हैं। शोधकर्ता यह मापने के बेहतर तरीके बनाने के लिए भी कड़ी मेहनत कर रहे हैं कि क्या ये उपकरण वास्तव में काम करते हैं, साधारण परीक्षणों से आगे बढ़कर यह देखने के लिए कि क्या उन्हें वास्तविक क्लीनिकों और सामुदायिक केंद्रों में उपयोग किया जा सकता है।

हालाँकि, प्रयोगशाला और अस्पताल के बीच एक महत्वपूर्ण अंतर बना हुआ है। विश्लेषण से पता चलता है कि जहाँ तकनीकी सत्यापन और छोटे पैमाने के परीक्षणों का भंडार है, वहीं बड़े पैमाने पर, वास्तविक दुनिया के अध्ययनों की कमी है जो यह सिद्ध कर सकें कि ये उपकरण सामान्य आबादी के लिए सुरक्षित और प्रभावी हैं। वर्तमान में अधिकांश कार्य यह सिद्ध करने के बारे में है कि तकनीक काम कर सकती है, बजाय इसके कि यह सिद्ध किया जाए कि यह रोज़मर्रा की ज़िंदगी में सभी के लिए काम करती है। शोधकर्ता नोट करते हैं कि गोपनीयता, मरीजों के मशीन पर बहुत अधिक निर्भर होने का जोखिम और मानवीय निरीक्षण की आवश्यकता जैसे मुद्दे अभी भी सुलझाए जा रहे हैं। इन उपकरणों का मूल्यांकन करने का अभी तक कोई एकल, मानकीकृत तरीका नहीं है, और इन्हें व्यापक नैदानिक उपयोग के लिए अनुमोदित करने का मार्ग अभी भी स्पष्ट नहीं है।

लेखक निष्कर्ष निकालते हैं कि यह क्षेत्र वर्तमान में नई तकनीक के उत्साह से प्रेरित है, लेकिन इसे भविष्य के लिए एक ठोस आधार बनाने की ओर बढ़ने की आवश्यकता है। उनका सुझाव है कि अगला कदम केवल अधिक मॉडल्स बनाना नहीं है, बल्कि विभिन्न देशों और विषयों के शोधकर्ताओं को बड़े, दीर्घकालिक अध्ययन बनाने के लिए एक साथ लाना है। वे यह स्पष्ट नियम विकसित करने का आह्वान करते हैं कि थेरेपी में मनुष्य और आर्टिफिशियल इंटेलिजेंस को एक साथ कैसे काम करना चाहिए, यह सुनिश्चित करते हुए कि तकनीक रोगी की सहायता करे बिना आवश्यक मानवीय जुड़ाव को प्रतिस्थापित किए। डेटा दिखाता है कि यह एक ऐसा क्षेत्र है जो अपने बुनियादी ढांचे से अधिक तेज़ी से बढ़ रहा है, एक ऐसी जगह जहाँ क्षमता अपार है, लेकिन एक आशाजनक विचार से एक विश्वसनीय, जीवन रक्षक उपकरण बनने तक की यात्रा अभी भी जारी है।