Revisão sistemática mapeia o uso de grandes modelos de linguagem na saúde mental

O panorama

Uma revisão sistemática publicada no arXiv consolida o que se sabe sobre a aplicação de grandes modelos de linguagem (LLMs) na saúde mental: análise de redes sociais, agentes de conversação clínicos, ferramentas de apoio terapêutico, engenharia de prompt, aprendizado multimodal e as questões éticas envolvidas.

Os pesquisadores integraram estudos interdisciplinares que usam posts em redes sociais, prontuários eletrônicos e dados multimodais para permitir a detecção precoce de depressão, avaliação de risco de suicídio, suporte terapêutico personalizado e geração de conteúdo psicoeducativo.

Inovações destacadas

A revisão aponta avanços em estratégias de anotação e em modelos que aumentam a interpretabilidade e a relevância clínica, além do papel crítico da engenharia de prompt na adaptação dos modelos a domínios específicos. Também são discutidas técnicas de fusão multimodal que integram texto, fala e dados de sensores para melhorar o diagnóstico e o monitoramento.

Por que isso importa para o Brasil

O Brasil enfrenta uma crise de saúde mental com acesso desigual a profissionais. Ferramentas de triagem baseadas em LLMs poderiam ampliar o alcance do cuidado, mas também carregam riscos graves: diagnóstico incorreto, dependência de modelos que erram em contextos de crise e uso de dados sensíveis sem proteção adequada.

Desafios éticos e regulatórios

Os autores enfatizam os desafios éticos, sociotécnicos e regulatórios, e defendem frameworks que garantam uso seguro, equitativo e responsável. O consenso da revisão: a tecnologia é promissora, mas ainda não está pronta para substituir o cuidado humano — especialmente em situações de crise, onde um erro pode ter consequências irreversíveis.

Como em toda revisão, trata-se de uma síntese de resultados já publicados, e não de novos experimentos — um retrato útil do estado da arte, sujeito à qualidade e à heterogeneidade dos estudos analisados.