Retrieval-Augmented Generation in Mental Health: A Systematic Review

Resumo Técnico: Geração Aumentada por Recuperação na Saúde Mental: Uma Revisão Sistemática

Definição do Problema
Os Grandes Modelos de Linguagem (LLMs) são cada vez mais aplicados em contextos de saúde mental, incluindo aconselhamento, triagem e psicoeducação. No entanto, a geração sem restrições acarreta riscos significativos em relação a alucinações e segurança. Embora a Geração Aumentada por Recuperação (RAG) tenha demonstrado fundamentar os outputs de LLMs em conhecimento externo e melhorar a consistência factual em contextos biomédicos gerais, sua aplicação específica, variações arquiteturais e padrões de avaliação no âmbito da saúde mental permanecem sub-sintetizados. As revisões sistemáticas existentes focaram ou em RAG para saúde geral, ou em IA generativa na saúde mental de forma ampla, ou em fluxos multimodais específicos (ex: VR, wearables) sem vinculá-los à arquitetura RAG. Há uma carência de uma revisão sistemática que aplique explicitamente critérios de inclusão específicos de RAG para sintetizar estudos primários de saúde mental sob as diretrizes PRISMA 2020.

Metodologia
Esta revisão adere às diretrizes de relatório PRISMA 2020. A busca foi realizada em 4 de julho de 2026, consultando o PubMed (resultando em 56 registros) e termos equivalentes no IEEE Xplore, ACM Digital Library, Scopus e Web of Science (4 a 15 de junho de 2026). O rastreamento de citações direta e reversa de estudos incluídos e revisões de referência identificou outros 38 registros.

• Elegibilidade: Os critérios de inclusão exigiram artigos revisados por pares, anais de conferências ou preprints que relatassem RAG empírico ou sistemas de LLM aumentados por recuperação aplicados especificamente à saúde mental, estresse, ansiedade, depressão, avaliação psicológica ou terapêutica digital. Foram excluídos revisões, LLM puro/ajuste fino (fine-tuning) sem recuperação, RAG biomédico geral sem aplicação em saúde mental e relatórios não empíricos.
• Processo de Seleção: Após a deduplicação (23 removidos), 71 registros únicos passaram pela triagem de título/resumo, seguida pela avaliação de texto completo de 22 relatórios. Quinze estudos atenderam aos critérios finais de inclusão (publicados entre 2022–2026).
• Extração de Dados e Controle de Qualidade: Um único revisor (E.F.) realizou a triagem e a extração de dados. O controle de qualidade baseou-se na verificação de consultas reproduzíveis, verificação cruzada com publicações primárias/DOIs e verificações de consistência interna. A triagem duplicada independente não foi realizada, o que é registrado como uma limitação.
• Taxonomia: Os sistemas foram classificados em três categorias arquiteturais baseadas nas descrições das publicações primárias:
  • RAG Ingênuo (Naïve RAG): Recuperação e geração de passagem única.
  • RAG Avançado (Advanced RAG): Recuperação híbrida, reclassificação (reranking), expansão de consulta ou recuperação adaptativa.
  • RAG Modular (Modular RAG): Pipelines de múltiplos componentes com módulos distintos de recuperação, roteamento ou segurança.
• Síntese: Devido à heterogeneidade das métricas de desfecho (ex: acurácia, F1, Hit@k, ICC, escores de empatia) e à falta de reporte de tamanho de efeito comparável, a meta-análise quantitativa não foi realizada. A síntese foi qualitativa e narrativa.

Principais Resultados

• Características dos Estudos: Quinze estudos foram incluídos. A distribuição arquitetural foi: 5 Ingênuos, 7 Avançados e 3 Modulares. As condições mais comuns abordadas foram depressão e sofrimento psicológico geral.
• Desempenho: Seis estudos relataram comparações diretas entre RAG e baseline. Em todos os casos, o RAG ou as configurações aumentadas por conhecimento superaram o comparador declarado no desfecho primário relatado pelo estudo. Exemplos específicos incluem:
  • Tural et al. (2025): O RAG vetorial alcançou um Hit@5 de 78,9% comparado a 50,4% para busca lexical.
  • Kafi et al. (2026): Um modelo com ajuste fino e RAG alcançou um escore de empatia de 3,72 versus 3,26 para um modelo generalista.
  • Xie et al. (2026): Uma configuração Qwen3+RAG alcançou um escore F1 de depressão de 0,9107, representando um ganho aproximado de 0,15 sobre as baselines sem RAG.
• Segurança e Validação: Protocolos de gestão de crise foram documentados em apenas dois estudos (Vakayil et al.; Campellone et al.). A atribuição de fontes e a supervisão humana (human-in-the-loop) foram relatadas de forma inconsistente. Apenas dois estudos (Guo et al.; Campellone et al.) relataram ensaios clínicos randomizados (RCT) exploratórios ou designs intra-sujeito com instrumentos validados; a maioria foi de avaliações técnicas.
• Contexto de Recuperação: Todos os 15 estudos incluídos utilizaram apenas recuperação baseada em texto. Nenhum estudo indexou sinais comportamentais multimodais, VR ou sinais fisiológicos de estresse de wearables como contexto recuperável, apesar de a literatura adjacente sugerir a viabilidade de tal integração.

Significância e Alegações
O artigo alega ser a primeira revisão sistemática a aplicar explicitamente critérios de inclusão específicos de RAG para sintetizar estudos primários de saúde mental sob o PRISMA 2020. Sua principal contribuição é a identificação e o mapeamento arquitetural de 15 estudos empíricos, demonstrando uma tendência crescente de adoção de RAG em aplicações de saúde mental.

A revisão destaca que, embora as configurações de RAG superem consistentemente as baselines nos estudos relatados, o campo sofre de:

1. Métodos de avaliação heterogêneos que impedem o agrupamento quantitativo.
2. Relatos de segurança escassos em relação à gestão de crises e supervisão humana.
3. Uma lacuna na integração multimodal, visto que nenhum estudo incluído utilizou sinais fisiológicos ou comportamentais para recuperação, apesar de sua relevância na literatura adjacente de monitoramento de estresse.

Os autores concluem que, embora o RAG seja cada vez mais reportado, a avaliação clínica padronizada e a documentação robusta de segurança permanecem limitadas. A revisão não pretende provar eficácia clínica, mas sim mapear o atual cenário técnico e identificar lacunas específicas em fontes de recuperação e governança de segurança.