Generative AI Purpose-built for Social and Mental Health: A Real-World Pilot

Resumo Técnico: IA Generativa Desenvolvida para Fins Sociais e de Saúde Mental: Um Piloto no Mundo Real

Declaração do Problema
Os desafios de saúde mental permanecem como uma das principais causas de incapacidade global, com barreiras significativas ao cuidado, incluindo o isolamento geográfico, restrições financeiras, escassez de profissionais e estigma. Embora as intervenções digitais tenham melhorado a acessibilidade, a maioria das pesquisas concentrou-se em terapia por vídeo ao vivo ou chatbots baseados em regras com personalização limitada. Embora estudos preliminares sugiram que chatbots de Grandes Modelos de Linguagem (LLMs) ofereçam promessa para conversas naturais e personalizadas, há uma falta de evidências sobre sua viabilidade, segurança e eficácia em ambientes naturais e longitudinais fora de Ensaios Clínicos Controlados Aleatorizados (RCTs). Especificamente, há uma necessidade de avaliar se modelos de fundação treinados em dados clínicos conseguem manter salvaguardas de segurança, sustentar o engajamento do usuário e produzir trajetórias de sintomas heterogêneas em um ambiente naturalístico.

Metodologia
Este estudo foi um piloto naturalístico longitudinal de braço único avaliando o "Ash", um modelo de fundação especificamente treinado para suporte à saúde mental.

• Participantes: O estudo recrutou 1.808 usuários via anúncios do Meta, resultando em uma amostra analítica final de $N=305$ adultos (idades entre 18–73 anos, média de idade de 41,7) localizados nos Estados Unidos. Os critérios de inclusão exigiam proficiência em inglês, acesso a smartphone e pontuações basais $\ge$10 em PHQ-9 (Questionário de Saúde do Paciente) ou GAD-7 (Escala de Transtorno de Ansiedade Generalizada). Os critérios de exclusão incluíram suicidalidade ativa (itens 3–6 do C-SSRS), transtornos psicóticos, uso severo de substâncias ou condições médicas que explicassem melhor os sintomas.
• Intervenção: Os usuários interagiram com o Ash via texto ou voz em dispositivos móveis. O modelo foi pré-treinado em mais de 100.000 horas de transcrições de saúde mental desidentificadas (entrevistas clínicas, estudos de caso) e alinhado via ajuste fino supervisionado com anotações de clínicos. Os dados de treinamento abrangeram diversas modalidades terapêuticas (ex: TCC, DBT, ACT, Entrevista Motivacional). O sistema empregou uma arquitetura de segurança de duas passagens: um classificador baseado em embeddings para detecção de alta recall de conteúdo prejudicial, seguido por uma camada de verificação de segurança de LLM para bloquear ou substituir mensagens sinalizadas.
• Procedimento: Os participantes forneceram consentimento de adesão e completaram avaliações basais. As medidas foram repetidas a cada duas semanas durante seis semanas, com um acompanhamento final de 10 semanas. As métricas incluíram PHQ-9, GAD-7, Escala de Ativação Comportamental para Depressão (BADS), Escala de Solidão da UCLA, Escala Multidimensional de Percepção de Suporte Social (MSPSS) e o Inventário de Aliança de Trabalho – Relato Curto (WAI-SR).
• Estratégia Analítica:
  • Segurança: Clínicos revisaram todas as sessões sinalizadas (1,02% do total) para verificar os protocolos de escalonamento. A adequação do modelo foi testada contra 10 cenários clínicos (ex: delírios, mania) com 100 gerações para cada um.
  • Modelagem de Trajetória: A Modelagem de Mistura de Crescimento Latente (LGMM) foi utilizada para identificar padrões de mudança heterogêneos através de depressão, ansiedade, suporte social e ativação comportamental simultaneamente.
  • Análise de Engajamento: Modelos de efeitos mistos examinaram a relação entre métricas de engajamento (dias ativos, minutos, palavras trocadas) e redução de sintomas ($\Delta$PHQ-9), estratificados por classe de trajetória.
  • Preditores: A regressão logística multinomial identificou demografia basal e a aliança terapêutica da Semana 2 como preditores de pertencimento à trajetória.

Principais Resultados

• Resultados Clínicos: Observaram-se reduções significativas nos sintomas depressivos e de ansiedade. No acompanhamento de 10 semanas, os tamanhos de efeito de Cohen foram de 0,93 para PHQ-9 (95% CI [0,76, 1,13]) e 0,79 para GAD-7 (95% CI [0,65, 0,96]). As taxas de deterioração foram baixas (1,83% para GAD-7, 2,29% para PHQ-9).
• Heterogeneidade de Trajetória: A LGMM identificou três trajetórias distintas através de todos os quatro resultados clínicos:
  1. Melhora Rápida: 9,5% ($n=29$)
  2. Melhora: 42,3% ($n=129$)
  3. Não respondedores: 48,2% ($n=147$)
     A gravidade basal foi comparável entre os grupos; as diferenças foram impulsionadas pela taxa e sincronia da mudança.
• Resultos Sociais e Funcionais: As melhorias na solidão, percepção de suporte social e contagem de interações sociais foram sustentadas no acompanhamento de 10 semanas.
• Segurança e Adequação: De 7.493 sessões, 76 (1,02%) foram sinalizadas para risco; todas foram corretamente escalonadas para recursos humanos. Uma amostra aleatória de 1.200 sessões não revelou mensagens de crise perdidas (falsos negativos). No teste de estresse contra 10 cenários clínicos, o modelo alcançou uma taxa de aprovação de 87,7%, comparável aos parâmetros de terapeutas humanos.
• Engajamento e Aliança: O uso médio foi de 9,02 horas ($SD=11,5$). O maior engajamento (dias, minutos e palavras trocadas) foi significativamente associado a maiores reduções no PHQ-9, particularmente para as classes "Melhora" e "Melhora Rápida". A aliança terapêutica (WAI-SR) foi comparável ao cuidado tradicional (pontuação média ~4,0) e predisse o pertencimento às trajetórias de melhora.

Significância e Alegações
Os autores afirmam que este estudo fornece a primeira evidência no mundo real e naturalística de que um modelo de fundação de IA generativa, clinicamente fundamentado, é viável, engajador e aceitável para o suporte à saúde mental. O estudo demonstra que:

1. A segurança é gerenciável: Salvaguardas automatizadas podem detectar e escalar riscos de forma eficaz em um ambiente real sem a necessidade de intervenção humana para cada mensagem.
2. A eficácia é observável: Reduções de sintomas comparáveis aos achados de RCTs podem ser alcançadas em usos não estruturados do mundo real, sem lembretes diários ou monitoramento estruturado.
3. Os mecanismos alinham-se com a terapia: A relação entre aliança terapêutica, engajamento e melhora dos sintomas espelha os achados da psicoterapia tradicional, sugerindo que modelos de IA podem funcionar como pontes relacionais em vez de meros substitutos.
4. Potencial de escalabilidade: O alto engajamento e as baixas taxas de deterioração sugerem que tais ferramentas poderiam estender o alcance dos serviços de saúde mental, embora os autores observem que a exclusão de populações de alto risco (suicidabilidade aguda, psicose) limita a generalização para esses grupos.

O artigo conclui que estes achados apoiam investigações adicionais sobre a IA generativa na saúde mental em ambientes do mundo real, posicionando a tecnologia como um componente viável para expandir o acesso ao cuidado, mantendo simultaneamente os padrões de segurança.