Những điểm nổi bật
- Các chương trình dựa trên quy tắc cho thấy có một tác động nhỏ nhưng đáng kể về mặt thống kê trong việc giảm nhẹ các triệu chứng trầm cảm (g=0.266), trong khi các chương trình dựa trên LLM hiện chưa có bằng chứng mạnh mẽ về hiệu quả.
- Khoảng thời gian can thiệp quan trọng cho các chương trình dựa trên quy tắc được xác định là 4 đến 8 tuần, cho thấy hiệu quả rõ rệt nhất trong thời gian trung hạn.
- Không có chương trình dựa trên quy tắc hay LLM nào thể hiện hiệu quả đáng kể về mặt thống kê trong việc giảm nhẹ các triệu chứng lo âu trong phân tích tổng hợp.
- Hiện nay, hiệu quả lâm sàng của các chương trình dựa trên LLM bị hạn chế bởi khoảng tin cậy rộng và thiếu các thử nghiệm lâm sàng quy mô lớn, kiểm soát chặt chẽ.
Giới thiệu: Thách thức về khả năng mở rộng trong sức khỏe tâm thần toàn cầu
Bức tranh sức khỏe tâm thần toàn cầu hiện đang đối mặt với hai cuộc khủng hoảng song hành: sự tăng vọt chưa từng có về tỷ lệ mắc bệnh trầm cảm và lo âu, và tình trạng thiếu hụt nghiêm trọng về nhân viên y tế tâm thần có trình độ. Điều trị tâm lý truyền thống, mặc dù hiệu quả, vẫn không tiếp cận được với một phần đáng kể dân số do chi phí cao, rào cản địa lý và sự kỳ thị liên quan đến việc tìm kiếm chăm sóc. Trong bối cảnh này, các can thiệp sức khỏe tâm thần kỹ thuật số—cụ thể là các chương trình trò chuyện—đã xuất hiện như một giải pháp đầy hứa hẹn, có khả năng mở rộng và tiết kiệm chi phí.
Trong hơn một thập kỷ, các chương trình dựa trên quy tắc, hoạt động dựa trên các cây quyết định được định nghĩa trước và các giao thức lâm sàng có cấu trúc (như Liệu pháp Hành vi Nhận thức), đã trở thành tiêu chuẩn của ngành. Tuy nhiên, sự tiến bộ nhanh chóng của các Mô hình Ngôn ngữ Lớn (LLM) như GPT-4 đã giới thiệu một cách tiếp cận mới về tương tác sinh động, linh hoạt và dường như đồng cảm hơn. Dù có sự hào hứng công nghệ xung quanh LLM, hiệu quả lâm sàng của chúng trong các môi trường điều trị chưa được so sánh một cách hệ thống với các hệ thống dựa trên quy tắc truyền thống. Một đánh giá hệ thống và phân tích tổng hợp gần đây của Du et al. (2025) cung cấp một đánh giá phê phán cần thiết cho hai hướng công nghệ khác biệt này.
Thiết kế Nghiên cứu và Phương pháp
Để giải quyết khoảng trống trong bằng chứng so sánh, các nhà nghiên cứu đã tiến hành một tìm kiếm hệ thống trên bảy cơ sở dữ liệu chính, xác định 15 nghiên cứu chất lượng cao được công bố từ năm 2020 đến 2025. Mục tiêu chính là đánh giá hiệu quả của các chương trình dựa trên quy tắc so với các chương trình dựa trên LLM trong việc giảm nhẹ các triệu chứng trầm cảm và lo âu.
Nhận thức được tính dị biệt lâm sàng và phương pháp luận cố hữu trong nghiên cứu sức khỏe kỹ thuật số, nghiên cứu đã sử dụng phương pháp ước lượng phương sai mạnh mẽ (RVE) để tính toán các kích thước hiệu ứng không độc lập. Các sự khác biệt trung bình chuẩn hóa (SMDs) được tính toán bằng Hedges g. Các nhà nghiên cứu đã sử dụng mô hình ngẫu nhiên, với các kích thước hiệu ứng tổng hợp được ước tính thông qua ước lượng tối đa hạn chế (REML). Phân tích nhóm con đã được thực hiện để xác định ảnh hưởng của loại nhóm kiểm soát (ví dụ, danh sách chờ so với kiểm soát hoạt động), thời gian can thiệp và độ tuổi người tham gia.
Các Kết luận Chính: Khoảng cách Hiệu quả
Kết quả Trầm cảm
Phân tích tổng hợp đã tiết lộ một sự phân biệt rõ ràng về hiệu suất lâm sàng giữa hai loại chương trình trò chuyện liên quan đến trầm cảm. Các can thiệp dựa trên quy tắc đạt được kích thước hiệu ứng nhỏ nhưng đáng kể (g=0.266; 95% CI 0.020-0.512; P=.04). Điều này cho thấy rằng cuộc đối thoại có cấu trúc, dựa trên bằng chứng vẫn là một công cụ đáng tin cậy để giảm nhẹ các triệu chứng.
Ngược lại, các can thiệp dựa trên LLM cho thấy ước lượng điểm cao hơn nhưng không đạt được ý nghĩa thống kê (g=0.407; 95% CI -0.734 đến 1.550; P=.17). Khoảng tin cậy rộng rãi đáng kể cho LLM phản ánh mức độ biến động cao trong kết quả nghiên cứu và thiếu triển khai chuẩn hóa, khiến không thể đề xuất LLM là một can thiệp lâm sàng độc lập cho trầm cảm ở giai đoạn này.
Kết quả Lo âu
Các kết quả về lo âu ít hứa hẹn hơn cho cả hai công nghệ. Các chương trình dựa trên quy tắc không mang lại hiệu quả đáng kể (g=0.147; 95% CI -0.073 đến 0.367; P=.15). Tương tự, mặc dù các chương trình dựa trên LLM có ước lượng điểm là g=0.711, nhưng thiếu ý nghĩa thống kê (P=.13) và khoảng tin cậy rộng (-0.334 đến 1.760) nhấn mạnh nhu cầu nghiên cứu mục tiêu hơn trong lĩnh vực lo âu.
Các Nhìn nhận Nhóm: Khoảng thời gian 4-8 Tuần
Một trong những phát hiện lâm sàng quan trọng nhất của nghiên cứu là việc xác định thời gian can thiệp tối ưu. Phân tích nhóm con chỉ ra rằng chương trình dựa trên quy tắc hiệu quả nhất khi can thiệp kéo dài từ 4 đến 8 tuần. Các can thiệp ngắn hơn 4 tuần có thể không cung cấp đủ liều lượng điều trị, trong khi các can thiệp kéo dài hơn 8 tuần có thể gặp phải sự suy giảm sự tham gia của người dùng hoặc ‘mệt mỏi kỹ thuật số.’
Ngoài ra, các chương trình dựa trên quy tắc đã thể hiện hiệu suất vượt trội khi so sánh với các nhóm kiểm soát trống (danh sách chờ), xác nhận tính hữu ích của chúng trong các môi trường không có nguồn lực tâm lý khác.
Bình luận Chuyên gia: Tại sao Cấu trúc Vượt trội hơn Linh hoạt (Hiện tại)
Các kết quả của Du et al. làm nổi bật một căng thẳng quan trọng trong tâm thần học kỹ thuật số: sự cân nhắc giữa tính linh hoạt của LLM và sự an toàn/tính dự đoán của các hệ thống dựa trên quy tắc. Các chương trình dựa trên quy tắc về bản chất là các phiên bản kỹ thuật số của các giao thức lâm sàng. Bằng cách theo dõi cây quyết định, chúng đảm bảo rằng người dùng nhận được các kỹ thuật điều trị đã được kiểm chứng, như tái cấu trúc nhận thức hoặc kích hoạt hành vi, mà không có rủi ro ‘ảo tưởng’ hoặc lời khuyên ngoài kịch bản.
LLM, mặc dù có khả năng trò chuyện giống con người hơn, không phải là điều trị tự nhiên. Không có sự tinh chỉnh nghiêm ngặt trên các bộ dữ liệu lâm sàng (ví dụ, RLHF với các chuyên gia tâm thần), một LLM có thể cung cấp cuộc trò chuyện hỗ trợ nghe có vẻ phù hợp nhưng thiếu các thành phần cấu trúc cần thiết để thúc đẩy cải thiện lâm sàng. Sự dị biệt cao trong các nghiên cứu LLM cho thấy chúng ta hiện đang ở giai đoạn ‘Tây Hoang’ của phát triển, nơi công nghệ đang tiến triển nhanh hơn bằng chứng lâm sàng cần thiết để hỗ trợ nó.
Từ góc độ khả năng sinh học và tâm lý, khoảng thời gian 4-8 tuần phù hợp với khung thời gian điển hình cần thiết để các thay đổi hành vi nhận thức thể hiện. Sự thiếu tác động của độ tuổi người tham gia cho thấy các công cụ kỹ thuật số này tương đối không phụ thuộc vào độ tuổi, mặc dù thiết kế giao diện vẫn cần được tùy chỉnh cho nhóm dân số cụ thể.
Sự Ảnh hưởng Lâm sàng và Hạn chế
Đối với các bác sĩ lâm sàng và các chuyên gia chính sách y tế, các kết quả này cho thấy rằng các chương trình dựa trên quy tắc hiện là lựa chọn có ‘dựa trên bằng chứng’ hơn để tích hợp vào các mô hình chăm sóc theo bậc của sức khỏe tâm thần. Chúng phục vụ như một can thiệp đầu tiên hiệu quả cho các trường hợp trầm cảm nhẹ đến trung bình, đặc biệt trong các môi trường có nguồn lực hạn chế.
Tuy nhiên, cần lưu ý một số hạn chế:
- Mẫu nhỏ cho LLM: Sự thiếu vắng các kết quả đáng kể cho LLM có thể là do năng lực thấp thay vì thiếu tiềm năng. Khi có thêm các thử nghiệm ngẫu nhiên kiểm soát (RCT), kích thước hiệu ứng có thể ổn định.
- Tính dị biệt: Sự khác biệt về ‘tính cách’ chương trình, tần suất tương tác và khung công tác điều trị cụ thể sử dụng trong các nghiên cứu vẫn còn cao.
- Tính phức tạp của Lo âu: Các triệu chứng lo âu có thể yêu cầu phản hồi sinh lý thời gian thực hoặc các can thiệp dựa trên phơi nhiễm tinh vi hơn, mà các chương trình hiện tại khó đáp ứng.
Kết luận
Nghiên cứu của Du et al. cung cấp một cái nhìn thực tế nhưng cần thiết cho lĩnh vực sức khỏe tâm thần kỹ thuật số. Mặc dù sự hấp dẫn của các Mô hình Ngôn ngữ Lớn là không thể phủ nhận, các chương trình dựa trên quy tắc vẫn là loại duy nhất có bằng chứng thống kê đáng kể hỗ trợ việc sử dụng chúng trong việc giảm nhẹ các triệu chứng trầm cảm. Một can thiệp có cấu trúc kéo dài từ 4 đến 8 tuần dường như là con đường lâm sàng hiệu quả nhất. Nghiên cứu trong tương lai phải tập trung vào việc mở rộng mẫu cho các thử nghiệm dựa trên LLM và khám phá các mô hình ‘hỗn hợp’ kết hợp sự an toàn lâm sàng của các hệ thống dựa trên quy tắc với khả năng trò chuyện hấp dẫn của AI sinh thành.
Tham khảo
Du Q, Ren Y, Meng ZL, He H, Meng S. Hiệu quả của các chương trình trò chuyện dựa trên quy tắc so với các mô hình ngôn ngữ lớn trong việc giảm nhẹ các triệu chứng trầm cảm và lo âu: Đánh giá hệ thống và phân tích tổng hợp. J Med Internet Res. 2025 Dec 4;27:e78186. doi: 10.2196/78186. PMID: 41343858; PMCID: PMC12677872.
