Retrieval-Augmented Generation in Mental Health: A Systematic Review

Sintesi Tecnica: Generazione Aumentata da Recupero nella Salute Mentale: Una Revisione Sistematica

Definizione del Problema
I Modelli di Linguaggio di Grandi Dimensioni (LLM) sono sempre più applicati ai contesti della salute mentale, inclusi la consulenza, lo screening e la psicoeducazione. Tuttavia, la generazione non vincolata pone rischi significativi riguardanti le allucinazioni e la sicurezza. Sebbene la Generazione Aumentata da Recupero (RAG) abbia dimostrato di poter ancorare gli output degli LLM a conoscenze esterne e migliorare la coerenza fattuale in contesti biomedici generali, la sua specifica applicazione, le variazioni architettoniche e gli standard di valutazione all'interno della salute mentale rimangono sottosintetizzati. Le revisioni sistematiche esistenti si sono concentrate o sulla RAG biomedica generale, o sull'IA generativa nella salute mentale in senso lato, o su flussi multimodali specifici (es. VR, dispositivi indossabili) senza collegarli all'architettura RAG. Manca una revisione sistematica che applichi esplicitamente criteri di inclusione specifici per la RAG per sintetizzare gli studi primari sulla salute mentale seguendo le linee guida PRISMA 2020.

Metodologia
Questa revisione aderisce alle linee guida di reporting PRISMA 2020. La ricerca è stata condotta il 4 luglio 2026, interrogando PubMed (che ha prodotto 56 record) e termini equivalenti in IEEE Xplore, ACM Digital Library, Scopus e Web of Science (4–15 giugno 2026).

• Eleggibilità: I criteri di inclusione richiedevano articoli sottoposti a revisione paritaria, atti di conferenze o preprint che riportassero sistemi RAG empirici o LLM aumentati da recupero applicati specificamente alla salute mentale, allo stress, all'ansia, alla depressione, alla valutazione psicologica o alle terapie digitali. Sono stati esclusi le revisioni, i modelli LLM/fine-tuning puri senza recupero, la RAG biomedica generale senza applicazione alla salute mentale e i report non empirici.
• Processo di Selezione: Dopo la deduplicazione (23 rimossi), 71 record unici sono stati sottoposti a screening di titolo/abstract, seguiti dalla valutazione del testo completo di 22 report. Quindici studi hanno soddisfatto i criteri di inclusione finali (pubblicati tra il 2022 e il 2026).
• Estrazione dei Dati e Controllo Qualità: Un singolo revisore (E.F.) ha eseguito lo screening e l'estrazione dei dati. Il controllo qualità si è basato sulla verifica riproducibile delle query, sul cross-checking rispetto alle pubblicazioni primarie/DOI e su controlli di coerenza interna. Lo screening duplicato indipendente non è stato eseguito, il che è indicato come un limite.
• Tassonomia: I sistemi sono stati classificati in tre categorie architettoniche basate sulle descrizioni delle pubblicazioni primarie:
  • RAG Naïve: Recupero e generazione a passaggio singolo.
  • RAG Avanzata: Recupero ibrido, reranking, espansione delle query o recupero adattivo.
  • RAG Modulare: Pipeline multi-componente con moduli distinti di recupero, routing o sicurezza.
• Sintesi: A causa dell'eterogeneità delle metriche di outcome (es. accuratezza, F1, Hit@k, ICC, punteggi di empatia) e della mancanza di reporting di effetti comparabili, non è stata eseguita una meta-analisi quantitativa. La sintesi è stata qualitativa e narrativa.

Risultati Chiave

• Caratteristiche degli Studi: Sono stati inclusi quindici studi. La distribuzione architettonica era: 5 Naïve, 7 Avanzate e 3 Modulari. Le condizioni più comuni affrontate erano la depressione e il disagio psicologico generale.
• Performance: Sei studi hanno riportato confronti diretti RAG-versus-baseline. In ogni istanza, la configurazione RAG o aumentata da conoscenza ha superato il comparatore dichiarato nell'outcome primario riportato dallo studio. Esempi specifici includono:
  • Tural et al. (2025): La RAG vettoriale ha raggiunto un Hit@5 del 78,9% rispetto al 50,4% della ricerca lessicale.
  • Kafi et al. (2026): Un modello fine-tuned con RAG ha ottenuto un punteggio di empatia di 3,72 rispetto a 3,26 di un modello generalista.
  • Xie et al. (2026): Una configurazione Qwen3+RAG ha ottenuto un punteggio F1 per la depressione di 0,9107, rappresentando un guadagno approssimativo di 0,15 rispetto alle baseline non-RAG.
• Sicurezza e Validazione: I protocolli di gestione delle crisi sono stati documentati in soli due studi (Vakayil et al.; Campellone et al.). L'attribuzione delle fonti e la supervisione umana (human-in-the-loop) sono state riportate in modo incoerente. Solo due studi (Guo et al.; Campellone et al.) hanno riportato disegni clinici randomizzati (RCT) esplorativi o entro il soggetto con strumenti validati; la maggior parte erano valutazioni tecniche.
• Contesto di Recupero: Tutti i 15 studi inclusi hanno utilizzato esclusivamente il recupero testuale. Nessuno studio ha indicizzato segnali comportamentali multimodali, VR o segnali fisiologici di stress da dispositivi indossabili come contesto recuperabile, nonostante la letteratura adiacente suggerisca la viabilità di tale integrazione.

Significatività e Rivendicazioni
L'articolo sostiene di essere la prima revisione sistematica ad applicare esplicitamente criteri di inclusione specifici per la RAG per sintetizzare studi primari sulla salute mentale sotto le linee guida PRISMA 2020. Il suo contributo principale è l'identificazione e la mappatura architettonica di 15 studi empirici, dimostrando una crescente tendenza all'adozione della RAG nelle applicazioni di salute mentale.

La revisione evidenzia che, sebbene le configurazioni RAG superino costantemente le baseline negli studi riportati, il campo soffre di:

1. Metodi di valutazione eterogenei che impediscono il pooling quantitativo.
2. Scarsa segnalazione della sicurezza riguardo alla gestione delle crisi e alla supervisione umana.
3. Un divario nell'integrazione multimodale, poiché nessun studio incluso ha sfruttato segnali fisiologici o comportamentali per il recupero, nonostante la loro rilevanza nella letteratura adiacente sul monitoraggio dello stress.

Gli autori concludono che, sebbene la RAG sia sempre più riportata, la valutazione clinica standardizzata e la robusta documentazione della sicurezza rimangono limitate. La revisione non rivendica di aver provato l'efficacia clinica, ma piuttosto di aver mappato l'attuale panorama tecnico e identificato lacune specifiche nelle fonti di recupero e nella governance della sicurezza.