Valutazione dell'efficacia e dell'accettabilità di un chatbot vocale a base di GPT-4O e RAG per lo screening della depressione usando PHQ-9 (GPT4-RAG-PHQ)

La depressione è una sfida prevalente per la salute mentale con significativi costi personali, sociali ed economici. Le risorse di salute mentale tradizionali affrontano barriere come lo stigma, la disponibilità limitata e i lunghi tempi di attesa. La tecnologia, in particolare gli strumenti basati sull'intelligenza artificiale, offre l'opportunità di colmare queste lacune. Questo studio utilizza GPT-4O e RAG per creare un chatbot vocale in grado di coinvolgere conversazionale, amministrazione del questionario PHQ-9 e fornire feedback personalizzati.

I partecipanti riempiranno il PHQ-9 per l'auto-test prima di interagire con il chatbot (i risultati non saranno divulgati al pubblico e saranno utilizzati solo per confronti di accuratezza) e i risultati dei loro autotest verranno confrontati con Risultati forniti dal chatbot in termini di precisione.

L'interazione di Chatbot comprende tre fasi:

1. Conversazioni di riscaldamento per costruzione di rapporti e supporto generale.

   • Il chatbot avvia dialoghi casuali ed empatici per costruire un rapporto con gli utenti, aiutandoli a sentirsi a proprio agio e a mio agio prima di passare allo screening PHQ-9.
   • Gli utenti possono porre domande generali relative alla salute mentale e il chatbot fornisce risposte informate e di supporto.

2. Amministrazione del questionario PHQ-9 per lo screening della depressione.

   • Il chatbot introduce il questionario PHQ-9, spiegando il suo scopo e come i risultati aiuteranno a valutare la salute mentale dell'utente.
   • Attraverso l'interazione vocale, gli utenti rispondono alle nove domande PHQ-9 e il chatbot registra le loro risposte. Il chatbot può chiarire le domande o fornire un contesto aggiuntivo se gli utenti hanno difficoltà a comprendere elementi specifici.

3. Analisi dei risultati e consegna di raccomandazioni su misura.

   • Dopo che l'utente ha completato il PHQ-9, il chatbot analizza le risposte, calcola il punteggio totale e classifica i risultati in livelli di gravità (ad esempio lieve, moderato).
   • Sulla base del punteggio, il chatbot fornisce raccomandazioni personalizzate, come strategie di auto-aiuto per sintomi lievi o suggerendo servizi di salute mentale professionale per casi più gravi.

I partecipanti interagiranno con il chatbot e poi parteciperanno a un'intervista semi-strutturata di 1 ora per fornire feedback sulla loro esperienza. Lo studio si concentra sulla valutazione dell'accettabilità e della fattibilità dell'utilizzo di tali chatbot basati su LLM nello screening della salute mentale e nell'identificazione di potenziali miglioramenti e rischi.

Obiettivi di studio Obiettivi primari

1. Per valutare l'accettabilità, la fattibilità e l'accuratezza di un chatbot vocale a base di GPT-4O e di RAG (HopeBot) per lo screening della depressione usando PHQ-9.

   Ipotesi: i partecipanti hanno mostrato un'elevata accettazione di Hopebot (superiore al 65%) e un'elevata disponibilità a utilizzare tali chatbot basati su LLM per lo screening della salute mentale in futuro (superiore al 65%), indicando il riconoscimento della credibilità di LLM come strumento di supporto in Screening per la salute mentale (superiore al 65%). I partecipanti l'uso del hopebot per lo screening della depressione abbinavano i risultati di autotest PHQ-9 del 100%

2. Per analizzare l'efficacia del chatbot nell'identificazione dei sintomi depressivi e nella fornitura di raccomandazioni attuabili.

Ipotesi: HopeBot può aiutare gli utenti a eseguire il test PHQ-9 in modo amiche Gli utenti affermano che le loro risposte sono molto efficaci e utili.

Obiettivi secondari

1. Per valutare la fattibilità e le prestazioni dell'integrazione di RGA con LLM nella creazione di un chatbot vocale per la salute mentale.

   Ipotesi: oltre il 65% dei partecipanti ha riconosciuto che le risposte che utilizzavano Rag erano più utili ed efficaci.

2. Per esplorare i punti di forza, i limiti e i rischi di distribuire LLM nel settore della salute mentale.

Ipotesi: oltre il 65% degli utenti afferma che Hopebot è molto conveniente, più accessibile e senza costi per fornire consulenza non giudicante. Tuttavia, il 50% ha ancora espresso preoccupazione per la sua privacy e la sicurezza dei dati.