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

Al decennia lang wordt de wereld geconfronteerd met een stille crisis in de geestelijke gezondheidszorg. Er zijn veel meer mensen die worstelen met angst, depressie en andere aandoeningen dan er getrainde therapeuten zijn om hen te helpen. Het tekort is wereldwijd en de wachtlijsten zijn lang. In de afgelopen jaren is er een nieuwe vorm van technologie opgekomen om deze kloof te dichten: grote taalmodellen. Dit zijn computersystemen die getraind zijn op enorme hoeveelheden tekst en die menselijke taal met verbazingwekkende vloeiendheid kunnen begrijpen en genereren. Ze kunnen gesprekken voeren, emotionele steun bieden en zelfs de technieken van een therapeut simuleren. De belofte is dat deze hulpmiddelen als een brug kunnen fungeren, door directe, toegankelijke zorg te bieden aan miljoenen mensen die momenteel helemaal geen zorg hebben. Maar naarmate deze digitale helpers zich vermenigvuldigen, blijft een cruciale vraag over: werken ze eigenlijk wel, en hoe weten we welke veilig zijn?

Om dit te beantwoorden, besloten een team van onderzoekers uit China en de Verenigde Staten een stap terug te doen en naar het volledige landschap van de wetenschappelijke literatuur over dit onderwerp te kijken. In plaats van één chatbot te testen of een nieuw experiment uit te voeren, verzamelden en analyseerden zij 1.685 gepubliceerde studies uit de Web of Science-database, een enorme collectie van academisch onderzoek. Ze gebruikten een gespecialiseerde softwaretool genaamd CiteSpace om in kaart te brengen hoe dit veld is gegroeid, wie het werk doet en welke vragen er worden gesteld. Het resultaat is een duidelijk beeld van een veld dat explodeert in omvang, maar nog steeds op zoek is naar zijn voet aan de grond in de echte wereld.

Het verhaal van dit onderzoeksveld is er een van plotselinge versnelling. Gedurende bijna veertig jaar, van te weten 1982 tot het begin van de jaren 2020, was het aantal jaarlijks gepubliceerde studies minuscuul, vaak schommelend tussen de één en een dozijn. Onderzoekers verkenden het idee, maar de vooruitgang was traag en versnipperd. Toen, in 2023, veranderde alles. Dat jaar sprong het aantal publicaties van 22 naar 65. De groei stopte daar niet; het schoot omhoog naar 183 artikelen in 2024, bijna 600 in 2025, en bereikte 644 tegen het midden van 2026. Deze dramatische piek valt perfect samen met de publieke release van geavanceerde generatieve AI-tools, zoals de chatbots die nu verhalen kunnen schrijven en complexe vragen kunnen beantwoorden. De gegevens suggereren dat de komst van deze krachtige nieuwe technologieën een razernij van academische belangstelling heeft aangewakkerd, waardoor het totale volume van het onderzoek in de afgelopen vier jaar 93 procent van al het werk dat ooit in dit gebied is verricht, beslaat.

Wanneer de onderzoekers keken naar wie deze explosie aanjaagt, vonden zij een duidelijk patroon van wereldwijde inspanning. China produceerde de meeste papers, met 534 artikelen, gevolgd door de Verenigde Staten met 4'38. Andere landen zoals Engeland, Japan en Zuid-Korea leverden ook aanzienlijke bijdragen. Echter, de kaart van samenwerking vertelt een ander verhaal dan de kaart van productie. Hoewel China het hoogste aantal papers heeft, zijn de onderzoekers daar minder diep verbonden met het wereldwijde netwerk dan hun Amerikaanse tegenhangers. De Verenigde Staten bevinden zich op het absolute middelpunt van het samenwerkingsweb en fungeren als een knooppunt dat onderzoekers uit veel verschillende landen met elkaar verbindt. In contrast hiermee blijft Chinees onderzoek, hoewel productief, enigszidig geïsoleerd in dit netwerk. Dit suggereert dat hoewel veel landen werk produceren, de Verenigde Staten momenteel de primaire motor zijn voor het verbinden van ideeën en het bevorderen van internationale samenwerking in dit specifieke veld.

De instellingen die de leiding nemen, zijn voornamelijk grote universiteiten in de Verenigde Staten en Europa. Harvard University, de University of California en de University of London behoren tot de top van de producenten van onderzoek. Deze groepen bouwen niet alleen betere chatbots; ze testen ze ook rigoureus. Ze onderzoeken of deze kunstmatige intelligentietools accuraat condities zoals depressie of obsessieve-compulsieve stoornis kunnen diagnosticeren. Ze voeren klinische trials uit om te zien of praten met een computerprogramma daadwerkelijk de symptomen van een patiënt kan verbeteren in vergelijking met traditionele zorg. Ze maken zich ook diep zorgen over veiligheid, waarbij ze bestuderen hoe deze systemen kunnen falen wanneer een gebruiker suïcidale gedachten uit en hoe ze omgaan met gevoelige culturele verschillen.

Ondanks de snelle groei in aantallen, vonden de onderzoekers dat het veld zich nog in een vroege fase van volwassenheid bevindt. De meest voorkomende onderwerpen in de literatuur richten zich op de technologie zelf: hoe de modellen beter worden in het begrijpen van menselijke emoties, hoe ze getraind kunnen worden op specifieke therapieën zoals cognitieve gedragstherapie, en hoe te waarborgen dat ze geen feiten verzinnen of gevaarlijk advies geven. Er is een sterke nadruk op "computationele modellering", wat betekent dat wiskunde wordt gebruikt om te begrijpen hoe het menselijk brein beslissingen neemt en hoe deze digitale tools die processen kunnen nabootsen. Onderzoekers werken ook hard aan het creëren van betere manieren om te meten of deze tools daadwerkelijk werken, waarbij ze verder gaan dan eenvoudige tests om te zien of ze in echte klinieken en gemeenschapscentra kunnen worden gebruikt.

Er blijft echter een aanzienlijke kloof bestaan tussen het laboratorium en het ziekenhuis. De analyse laat zien dat terwijl er een overvloed is aan technische validatie en kleinschalige tests, er een gebrek is aan grootschalige studies in de echte wereld die bewijzen dat deze tools veilig en effectief zijn voor de algemene populatie. Het grootste deel van het huidige werk gaat nog steeds over het bewijzen dat de technologie kan werken, in plaats van te bewijzen dat het voor iedereen in het dagelijks leven ook echt werkt. De onderzoekers merken op dat kwesties zoals privacy, het risico dat patiënten te afhankelijk worden van een machine en de noodzaak van menselijk toezicht nog worden uitgewerkt. Er is nog geen enkele, gestandaardiseerde manier om deze tools te evalueren, en de weg naar goedkeuring voor brede klinische toepassing is nog niet helder.

De auteurs concluderen dat het veld momenteel wordt gedreven door de opwinding over nieuwe technologie, maar dat het moet verschuiven naar het bouwen van een solide fundament voor de toekomst. Zij stellen dat de volgende stap niet alleen het bouwen van meer modellen is, maar het samenbrengen van onderzoekers uit verschillende landen en disciplines om grote, langdurige studies te realiseren. Ze pleiten voor de ontwikkeling van duidelijke regels voor hoe mensen en kunstmatige intelligentie samen moeten werken in therapie, om ervoor te zorgen dat de technologie de patiënt ondersteunt zonder de essentiële menselijke connectie te vervangen. De gegevens laten een veld zien dat sneller groeit dan de infrastructuur; een plek waar het potentieel immens is, maar waar de reis van een veelbelovend idee naar een betrouwbaar, levensreddend instrument nog volop in gang is.