ఒక విద్యార్థి ప్రయోగంలో AI చాట్‌బాట్ గ్రూప్ థెరపీ కంటే మెరుగ్గా పనిచేసింది. దాని అర్థం ఏమిటి, ఏమి కాదు
995 మంది విద్యార్థుల ప్రయోగంలో AI వేదిక కొన్ని ఫలితాల్లో గ్రూప్ థెరపీ కంటే ఎక్కువ మెరుగుదల చూపింది, కానీ ప్రభావాలు చిన్నవి. దాన్ని ఎలా చదవాలి, చాట్‌బాట్‌ను ఎలా పరిశీలించాలి.
ఒక చాట్‌బాట్ థెరపీని "ఓడించింది" అని శీర్షిక చెప్పినప్పుడల్లా, ఆ వాదనను చదివే ముందు సంఖ్యలను చదువుతాను. మానసిక ఆరోగ్య సంరక్షణలో ఇదంతటి కింద ఒక నిశ్శబ్ద సమస్య ఉంది: కొద్దిపాటి మద్దతు ఉపయోగపడే వారి సంఖ్య, ఆ మద్దతు ఇవ్వగలిగే వారి సంఖ్య కంటే ఎక్కువ, వేచి ఉండే జాబితా కూడా ఒక రకమైన నిశ్శబ్దమే. కాబట్టి ఒక AI సంభాషణను నిజమైన ప్రత్యామ్నాయాలతో పోల్చే ప్రయోగం జాగ్రత్తగా చూడదగినది, హర్షధ్వానాలకూ, భుజాలెగరేయడానికీ కాదు.
రెండు రాండమైజ్డ్ ప్రయోగాలను పక్కపక్కన చదవడం విలువైనది. గట్టిగా వినిపించే సారాంశాలు చెప్పేది ఏదీ చెప్పదు, రెండూ ఉపయోగకరమైనదేదో చెబుతాయి.
ఇజ్రాయెల్ ప్రయోగం ఏం కొలిచింది
పెద్ద ప్రయోగం JAMA Network Openలో నివేదించబడింది, 2025 ఏప్రిల్ నుంచి అక్టోబర్ వరకు ఇజ్రాయెల్‌లో జరిగింది. ప్రస్తుతం మానసిక ఇబ్బందిని నివేదించిన 18 నుంచి 35 ఏళ్ల 995 మంది విశ్వవిద్యాలయ విద్యార్థులు చేరారు. వారిని సమానంగా మూడు వంతులుగా యాదృచ్ఛికంగా కేటాయించారు: Kai అనే 12 వారాల AI సంభాషణ వేదిక, ముఖాముఖి గ్రూప్ థెరపీ, లేదా వేచి ఉండే జాబితా.
పరిశోధకులు ఆందోళన, డిప్రెషన్, పోస్ట్-ట్రామాటిక్ స్ట్రెస్ లక్షణాలు, జీవిత తృప్తి, శ్రేయస్సును గమనించారు. ఫలితాల గురించిన నివేదికల ప్రకారం, AI వేదిక వాడిన విద్యార్థులు ఆందోళన, జీవిత తృప్తి, శ్రేయస్సులో గ్రూప్ థెరపీ, వేచి ఉండే జాబితా సమూహాలు రెంటికంటే మితంగా అయినా గణాంకపరంగా ఎక్కువగా మెరుగుపడ్డారు, మూడు నెలల ఫాలో-అప్‌లో కూడా ఆ తేడాలు ఉన్నాయి. పోస్ట్-ట్రామాటిక్ స్ట్రెస్ లక్షణాలు సమూహాల మధ్య గణనీయంగా భిన్నంగా లేవు.
డిప్రెషన్‌పై నాకు దొరికిన సారాంశాలు ఏకీభవించవు. AI సమూహం వేచి ఉండే జాబితా కంటే ఎక్కువ మెరుగుపడింది కానీ గ్రూప్ థెరపీ కంటే కాదని కొన్ని చెబుతాయి. రెండింటికంటే మెరుగైన డిప్రెషన్ ఫలితాలని మరికొన్ని నివేదిస్తాయి. ద్వితీయ నివేదికల నుంచి దీన్ని నేను తేల్చలేను, కాబట్టి డిప్రెషన్ మీకు ముఖ్యమైతే పత్రాన్నే చూడండి.
ప్రభావాలు నిజంగా ఎంత పెద్దవి
ఇక్కడే "ఓడించింది" అనే మాట ఉదారంగా కనిపిస్తుంది. AI సమూహంలో GAD-7 పై సగటు ఆందోళన స్కోర్లు సుమారు 7.3 నుంచి 6.3కి, PHQ-9 పై డిప్రెషన్ స్కోర్లు సుమారు 7.6 నుంచి 6.7కి మారాయి. అంత పరిమాణపు మార్పులు సాధారణంగా వైద్యపరంగా అర్థవంతంగా పేర్కొనే మొత్తాల కంటే తక్కువని నివేదికలు చెబుతున్నాయి. ఒక ఫలితం గణాంకపరంగా నిజమైనదై కూడా ఒక్కో విద్యార్థికి చిన్నదిగా ఉండవచ్చు.
మరో రెండు పరిమితులు చిత్రంలో భాగం. ఫలితాలు స్వీయ-నివేదితం, వైద్యుడు అంచనా వేసినవి కావు. అలాగే డ్రాపౌట్ గణనీయంగా ఉంది: ఫాలో-అప్ నాటికి ప్రతి సమూహంలో సుమారు 35 శాతం పాల్గొన్నవారు కోల్పోయారు. అధ్యయనంలో నిలిచేవారు, వదిలేసేవారు ఎప్పుడూ ఒకేలా ఉండరు, కాబట్టి ఫాలో-అప్ సంఖ్యలను కొంత జాగ్రత్తతో చదవాలి.
పోలిక గ్రూప్ థెరపీతోనే ఎందుకు, అది ఏమి వివరించవచ్చు
ఈ ప్రయోగం AI వేదికను గ్రూప్ థెరపీతో పోల్చింది, ఒకరితో ఒకరు చేసే థెరపీతో కాదు. అది ముఖ్యం. ఇకపై చెప్పేది నా అన్వయం, ప్రయోగం పరీక్షించినది కాదు.
గ్రూప్‌లో ప్రతి వ్యక్తికి థెరపిస్ట్ దృష్టిలో ఒక ముక్క దక్కుతుంది. AI వేదికతో మాట్లాడే విద్యార్థికి పూర్తిగా తన గురించే ఉండే సంభాషణ, ఏ గంటలోనైనా, తన వేగంతో, వంతు కోసం ఎదురుచూడకుండా లభిస్తుంది. కొన్ని రకాల ఇబ్బందులకు ఆ అందుబాటు చాలా ముఖ్యమైనది కావచ్చు. ఇంతలో గ్రూప్ సమూహం AIకి సాధ్యం కాని ఒకటి ఇస్తుంది: అదే గదిలో ఇతరులు వినడం అనే అనుభవం. ఇక్కడి కొలతలు దాన్ని బాగా పట్టుకోకపోవచ్చు.
ఒక AI వేదిక వ్యక్తిగత థెరపిస్ట్‌తో ఎలా పోలుతుందో ఇదేమీ చెప్పదు. ప్రయోగం ఆ ప్రశ్న అడగలేదు.
డార్ట్‌మౌత్ థెరాబాట్ ప్రయోగం
రెండో ప్రయోగం, డార్ట్‌మౌత్ నుంచి 2025 మార్చిలో NEJM AIలో ప్రచురితమైనది, డిప్రెషన్ లేదా సాధారణీకరించిన ఆందోళన లక్షణాలు ఉన్న, లేదా తినే రుగ్మత ప్రమాదం ఎక్కువగా ఉన్న 210 మంది పెద్దలను చేర్చుకుంది. సుమారు సగం మందికి యాదృచ్ఛికంగా కొన్ని వారాల పాటు Therabot అనే జనరేటివ్ AI థెరపీ చాట్‌బాట్ అందుబాటులోకి వచ్చింది. మిగతావారికి, అంటే నియంత్రణ సమూహానికి, అందుబాటు లేదు.
నివేదించిన తగ్గుదలలు కాగితంపై పెద్దవి: డిప్రెషన్ లక్షణాల్లో సుమారు 51 శాతం, ఆందోళన లక్షణాల్లో సుమారు 31 శాతం, శరీర ఆకృతి, బరువు గురించిన ఆందోళనల్లో సుమారు 19 శాతం. ఇవి కూడా స్వీయ-నివేదితం, పోలిక సమూహానికి ఏమీ ఇవ్వలేదు, ఇది మరో చికిత్సతో పోల్చడం కంటే జోక్యం బాగా కనిపించడానికి సులభం చేస్తుంది. ప్రధాన రచయిత మైఖేల్ హైన్జ్, మానసిక ఆరోగ్యంలో ఏ జనరేటివ్ AI ఏజెంట్ కూడా పూర్తిగా స్వయంప్రతిపత్తితో పనిచేయడానికి సిద్ధంగా లేదని చెప్పారు.
అందుబాటు అంతరం వాదన
ఈ సాధనాలకు బలమైన వాదనకు ఎవరినీ ఓడించడంతో సంబంధం లేదు. ఖర్చు, దూరం, వేచి ఉండే జాబితాలు, లేదా ఇంకా ఒక వ్యక్తికి ఎదురుగా కూర్చోవడానికి సిద్ధంగా లేకపోవడం వల్ల తేలికపాటి నుంచి మధ్యస్థ ఇబ్బంది ఉన్న చాలామందికి అసలు ఏమీ దక్కదు. తెల్లవారుజామున రెండు గంటలకు అందుబాటులో ఉండి, తక్కువ ఖర్చయ్యే సాధనం ఆదర్శ థెరపిస్ట్‌తో కాదు, సహాయం లేకపోవడం అనే ఎంపికతో పోటీ పడుతోంది.
ఆ చట్రం పరిమితిని కూడా గుర్తిస్తుంది. ఈ ప్రయోగాల్లో ఉన్నది విద్యార్థులు, లక్షణాలున్న పెద్దలు, సంక్షోభంలో ఉన్నవారు కాదు. ఎవరైనా ప్రమాదంలో ఉన్నప్పుడు సంరక్షణకు చాట్‌బాట్ సురక్షిత ప్రత్యామ్నాయమని వీటిలో ఏదీ సూచించదు.
వైద్యులు ఇంకా దేని గురించి ఆందోళన చెందుతున్నారు
నివేదికల్లో ఉటంకించిన మనస్తత్వవేత్తలు సందేహంగానే ఉన్నారు, ఆ ఆందోళనలు సహేతుకం. స్వీయ-నివేదిత ఫలితాలు, అధిక డ్రాపౌట్ మనం ఏం నిర్ధారించగలమో పరిమితం చేస్తాయి. ఫాలో-అప్ కొన్ని నెలలే. ఒక సంభాషణ తాను నిర్వహించగలదానిని మించిపోయిందని చాట్‌బాట్ గుర్తించి, ఆ వ్యక్తిని త్వరగా మనిషికి అప్పగించాలి. అలాగే బలహీన క్షణంలో ప్రజలు పంచుకునే డేటా సున్నితమైనది, కాబట్టి కంపెనీ దాన్ని ఏం చేస్తుందో బాట్ ఏం చెబుతుందో అంతే ముఖ్యం.
మానసిక ఆరోగ్య చాట్‌బాట్‌ను వాడే ముందు ఎలా పరిశీలించాలి
ఇదొక చిన్న చెక్‌లిస్ట్. ఒక యాప్ వీటికి స్పష్టంగా సమాధానం ఇవ్వలేకపోతే, అదే ఒక సమాధానంగా భావించండి.
| ప్రశ్న | మంచి సమాధానం ఎలా ఉంటుంది | హెచ్చరిక సంకేతం |
|---|---|---|
| సాక్ష్యం ఆధారం | ఈ సాధనం గురించిన నిర్దిష్ట ప్రయోగం లేదా ప్రచురిత అధ్యయనాన్ని, స్పష్టమైన ఫలితాలతో చూపుతుంది | కేవలం సాక్ష్యాలు, లేదా వేరే ఉత్పత్తి గురించిన సాక్ష్యం |
| వినియోగ పరిధి | అది దేనికోసమో (రోజువారీ ఒత్తిడి, తక్కువ మానసిక స్థితి), దేనికి కాదో చెబుతుంది | థెరపీ లేదా వైద్య సంరక్షణకు ప్రత్యామ్నాయంగా తనను చూపిస్తుంది |
| అత్యవసర మార్గం | సంక్షోభ భాషను గుర్తించి హాట్‌లైన్ వంటి మానవ సహాయం వైపు చూపుతుంది | అత్యవసరాలకు ప్రణాళిక చెప్పదు, లేదా సంక్షోభంలో కూడా మాట్లాడుతూనే ఉంటుంది |
| డేటా గోప్యత | ఏం నిల్వ చేస్తారు, ఎవరు చూస్తారు, ఎలా తొలగించాలో చదవగలిగే విధానం | అస్పష్టమైన పదాలు, లేదా సంభాషణలను ప్రకటనలకు వాడడం లేదా అమ్మడం |
| మానవ పర్యవేక్షణ | వైద్యులు దీన్ని రూపొందించడంలో సహాయపడ్డారు, దాని భద్రతను ఎవరో సమీక్షిస్తారు | దాని వెనుక పేరున్న వ్యక్తులు, అర్హతలు లేవు |
తరచుగా అడిగే ప్రశ్నలు
AI చాట్‌బాట్ థెరపీ అంత మంచిదని దీని అర్థమా?
కాదు. ఇజ్రాయెల్ ప్రయోగం ఒక AI వేదికను గ్రూప్ థెరపీ, వేచి ఉండే జాబితాతో పోల్చి, కొన్ని ఫలితాల్లో మితమైన మెరుగుదలను కనుగొంది. ఒకరితో ఒకరు చేసే థెరపీతో పోల్చలేదు, ప్రభావ పరిమాణాలు చిన్నవి.
నేను ఇబ్బంది పడుతుంటే చాట్‌బాట్ వాడడం సురక్షితమా?
రోజువారీ ఒత్తిడి లేదా తక్కువ మానసిక స్థితికి కొందరు దీన్ని ఉపయోగకరమైన అనుబంధంగా భావిస్తారు. సంక్షోభానికి ఇది తగదు. మీరు ప్రమాదంలో ఉన్నా, మిమ్మల్ని మీరు హాని చేసుకోవాలనుకున్నా, స్థానిక అత్యవసర సేవలను సంప్రదించండి, అమెరికాలో అయితే 988కి కాల్ లేదా టెక్స్ట్ చేయండి.
గ్రూప్ థెరపీతో పోలిస్తే AI ఎందుకు మెరుగ్గా ఉంది?
ప్రయోగం కారణాన్ని పరీక్షించలేదు. ఒక అంగీకారయోగ్యమైన వివరణ, కోరినప్పుడు ఒకరితో ఒకరు సంభాషణ, గ్రూప్ సెషన్‌లో వాటా కంటే ఎక్కువ వ్యక్తిగత దృష్టి ఇస్తుందని, కానీ అది అన్వయం, నిర్ధారణ కాదు.
యాప్‌లో ముందుగా దేన్ని చూడాలి?
ఆ నిర్దిష్ట సాధనం గురించిన సాక్ష్యం, స్పష్టమైన అత్యవసర ప్రణాళిక, మీకు అర్థమయ్యే గోప్యతా విధానం చూడండి. ఈ మూడూ చాలా సమస్యలను పట్టుకుంటాయి.
ఇది వైద్య సలహానా?
కాదు. ఇది రెండు అధ్యయనాల పఠనం. మీ మానసిక ఆరోగ్యం గురించి ఆందోళన ఉంటే, అర్హత గల నిపుణుడితో మాట్లాడటమే సరైనది, చాట్‌బాట్ ఎక్కువలో ఎక్కువ దానికి పక్కన ఉంటుంది.