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

Per decenni, il mondo ha affrontato una silenziosa crisi nell'assistenza alla salute mentale. Ci sono molte più persone che lottano con l'ansia, la depressione e altre condizioni di quante ne siano i terapeuti formati ad aiutarle. La carenza è globale e le liste d'attesa sono lunghe. Negli ultimi anni, un nuovo tipo di tecnologia è emerso per colmare questo divario: i grandi modelli linguistici. Si tratta di sistemi informatici addestrati su enormi quantità di testo in grado di comprendere e generare il linguaggio umano con una fluidità sorprendente. Possono sostenere conversazioni, offrire supporto emotivo e persino simulare le tecniche di un terapeuta. La promessa è che questi strumenti potrebbero fungere da ponte, fornendo assistenza immediata e accessibile a milioni di persone che attualmente non ne hanno alcuna. Ma mentre questi aiutanti digitali si moltiplicano, rimane una domanda critica: stanno funzionando davvero e come facciamo a sapere quali siano sicuri?

Per rispondere a questo, un team di ricercatori dalla Cina e dagli Stati Uniti ha deciso di fare un passo indietro e osservare l'intero panorama della letteratura scientifica su questo argomento. Inveve di testare un singolo chatbot o condurre un nuovo esperimento, hanno raccolto e analizzato 1.685 studi pubblicati dal database Web of Science, una vasta collezione di ricerca accademica. Hanno utilizzato uno strumento software specializzato chiamato CiteSpace per mappare come questo campo sia cresciuto, chi stia svolgendo il lavoro e quali domande vengano poste. Il risultato è un quadro chiaro di un campo che sta esplodendo nelle dimensioni ma che è ancora alla ricerca del proprio equilibrio nel mondo reale.

La storia di questo campo di ricerca è una di accelerazione improvvisa. Per quasi quarant'anni, dal 1982 fino all'inizio degli anni 2020, il numero di studi pubblicati ogni anno era esiguo, spesso oscillando tra uno e una dozzina. I ricercatori stavano esplorando l'idea, ma i progressi erano lenti e sparsi. Poi, nel 2023, tutto è cambiato. In quell'anno, il numero di pubblicazioni è passato da 22 a 65. La crescita non si è fermata lì; è salita a 183 articoli nel 2024, quasi 600 nel 2025, e ha raggiunto i 644 entro la metà del 2026. Questo picco drammatico coincide perfettamente con il rilascio pubblico di strumenti avanzati di intelligenza artificiale generativa, come i chatbot che ora possono scrivere storie e rispondere a domande complesse. I dati suggeriscono che l'arrivo di queste nuove e potenti tecnologie ha scatenato un frenetico interesse accademico, spingendo il volume totale della ricerca negli ultimi quattro anni a rappresentare il 93 percento di tutto il lavoro mai svolto in quest'area.

Quando i ricercatori hanno esaminato chi sta guidando questa esplosione, hanno trovato un modello distinto di sforzo globale. La Cina ha prodotto il maggior numero di articoli, con 534 articoli, seguita da vicino dagli Stati Uniti con 438. Altre nazioni come l'Inghilterra, il Giappone e la Corea del Sud hanno contribuito significativamente. Tuttavia, la mappa della collaborazione racconta una storia diversa dalla mappa della produzione. Sebbene la Cina abbia il maggior numero di articoli, i suoi ricercatori non sono così profondamente connessi alla rete globale come i loro omologhi americani. Gli Stati Uniti si trovano al centro stesso della rete di collaborazione, agendo come un hub che collega i ricercatori di molti paesi diversi. Al contrario, la ricerca cinese, pur essendo prolifica, rimane in qualche modo isolata in questa rete. Ciò suggerisce che, sebbene molti paesi stiano producendo lavoro, gli Stati Uniti sono attualmente il principale motore per connettere le idee e favorire la cooperazione internazionale in questo specifico campo.

Le istituzioni che guidano la carica sono principalmente grandi università degli Stati Uniti e dell'Europa. L'Università di Harvard, il sistema dell'Università della California e l'Università di Londra sono tra i principali produttori di ricerca. Questi gruppi non stanno solo costruendo chatbot migliori; li stanno testando rigorosamente. Stanno indagando se questi strumenti di intelligenza artificiale possano diagnosticare accuratamente condizioni come la depressione o il disturbo ossessivo-compulsivo. Stanno conducendo studi clinici per vedere se parlare con un programma per computer possa effettivamente migliorare i sintomi di un paziente rispetto alle cure tradizionali. Sono anche profondamente preoccupati per la sicurezza, studiando come questi sistemi possano fallire quando un utente esprime pensieri suicidi o come possano gestire le differenze culturali sensibili.

Nonostante la rapida crescita dei numeri, i ricercatori hanno scoperto che il campo è ancora nelle sue fasi iniziali di maturità. Gli argomenti più comuni nella letteratura si concentrano sulla tecnologia stessa: come rendere i modelli migliori nel comprendere l'emozione umana, come addestrarli su terapie specifiche come la terapia cognitivo-comportamentale e come garantire che non inventino fatti o forniscano consigli pericolosi. C'è una forte enfasi sulla "modellazione computazionale", il che significa usare la matematica per capire come il cervello umano prenda decisioni e come questi strumenti digitali possano imitare tali processi. I ricercatori stanno anche lavorando duramente per creare modi migliori per misurare se questi strumenti funzionano davvero, andando oltre i semplici test per vedere se possono essere utilizzati in cliniche e centri comunitari reali.

Tuttavia, esiste un divario significativo tra il laboratorio e l'ospedale. L'analisi mostra che, sebbene vi sia una ricchezza di validazione tecnica e test su piccola scala, manca di studi su larga scala nel mondo reale che dimostrino che questi strumenti siano sicuri ed efficaci per la popolazione generale. Gran parte del lavoro attuale riguarda ancora la dimostrazione che la tecnologia possa funzionare, piuttosto che la prova che essa funzioni per tutti nella vita quotidiana. I ricercatori notano che questioni come la privacy, il rischio che i pazienti diventino troppo dipendenti da una macchina e la necessità di supervisione umana sono ancora in fase di risoluzione. Non esiste ancora un unico modo standardizzato per valutare questi strumenti, e il percorso per ottenerne l'approvazione per un uso clinico diffuso non è ancora chiaro.

Gli autori concludono che il campo è attualmente guidato dall'entusiasmo per la nuova tecnologia, ma deve spostarsi verso la costruzione di una solida base per il futuro. Suggeriscono che il passo successivo non sia solo costruire più modelli, ma riunire ricercatori di diversi paesi e discipline per creare studi ampi e a lungo termine. Chiamano allo sviluppo di regole chiare su come gli esseri umani e l'intelligenza artificiale debbano lavorare insieme nella terapia, garantendo che la tecnologia sostenga il paziente senza sostituire l'essenziale connessione umana. I dati mostrano un campo che cresce più velocemente della sua infrastruttura, un luogo dove il potenziale è immenso, ma dove il viaggio da un'idea promettente a uno strumento affidabile e salvavita è ancora tutto da percorrere.