הבנת השיח על בריאות הנפש ברדיט באמצעות טראנספורמרים והסבריות

מדוע שיחה מקוונת על רגשות חשובה

אנשים רבים הסובלים מחרדה, דיכאון, הפרעה דו־קוטבית או הפרעת אישיות גבולית פונים לאינטרנט עוד לפני שהם מדברים עם איש מקצוע. Reddit, עם הקהילות האנונימיות שלו, הפך לזירת מפגש משמעותית לשיתוף פחדים, בקשת עזרה ותמיכה אחד בשני. מחקר זה בוחן איך נראות אלפי שיחות כאלה, וכיצד בינה מלאכותית יכולה למיין אותן ולהדגיש את המילים שאנשים משתמשים בהן בתדירות גבוהה כשהם מדברים על אתגרים שונים בבריאות הנפש.

מציצים בקהילות תמיכה

החוקרים התמקדו בארבע קהילות גדולות ברדיט המוקדשות לחרדה, דיכאון, הפרעה דו־קוטבית והפרעת אישיות גבולית (לעיתים נקראת BPD). כל פוסט במאגר הנתונים שלהם סומן פשוט לפי הקהילה שממנו הגיע, לא לפי אבחנה רפואית. הצוות התייחס לקהילות האלה כ"מרחבי דאגה", שבהם אנשים עם קשיים דומים מתכנסים לפרוק, לבקש עצה ולתת נחמה. באמצעות חקר ההבדלים בשפה בין מרחבים אלה, הם שאפו להבין כיצד אנשים מתארים את חוויותיהם במילים שלהם, מחוץ להקשר קליני.

מלמדים מחשבים למיין שיחות

כדי להבין יותר מ-150,000 פוסטים, המחברים השתמשו במודלים לשוניים חזקים בשם טראנספורמרים, ובפרט BERT וגרסה ממוקדת בריאות הנפש שנקראת MentalBERT. מודלים אלה קראו כל פוסט וניסו לנחש לאיזו מהארבע קהילות הוא השתייך. מאחר שלחלק מהקהילות היו הרבה יותר פוסטים מאחרות, הצוות איזן בקפידה את מאגר הנתונים כך שכל קבוצה תיוצג באופן שווה. זה הקשה את המשימה אך גם הפך אותה לוגית וצודקת יותר, כך שהמודלים נאלצו ללמוד באמת הבדלים בניסוח במקום להעדיף את הקהילות השכיחות ביותר. במבחן, המודלים תייגו פוסטים נכון בערך 82 אחוז מהפעמים — זינוק גדול מעל לניחוש אקראי, שהיה נכון רק ברבע מהמקרים.

פותחים את הקופסה השחורה של ה-AI

חשש מרכזי בטכנולוגיות בריאות הנפש הוא שמערכות מחשב ייראו כ"קופסאות שחורות" מסתוריות, שמציעות תחזיות בלי סיבות ברורות. כדי להתמודד עם זה, החוקרים השתמשו בגישה בשם LIME שמראה אילו מילים הובילו את המודל להחלטה מסוימת. בפשטות, LIME מסתיר או משנה חלקים בפוסט וצופה איך תגובת המודל משתנה. אם הסרת מילה כמו " Panic" משנה פתאום את הקהילה החזויה, המילה נחשבת לחשובה. על ידי חזרה של תהליך זה אלפי פעמים על פוסטים רבים, הצוות בנה רשימות של המילים המשפיעות ביותר לכל קהילה ובדק שמילים אלה תואמות למה שאנשי מקצוע מכירים לגבי כל מצב.

קולות מובחנים לקשיים שונים

ההסברים חשפו דפוסי שפה ברורים. בקהילות חרדה הופיעו מילים כמו "panic", "attack" ו-"worry", לעתים קשורות לתסמינים פיזיים ולהתפרצויות פתאומיות של פחד. בפוסטים על דיכאון הופיעו לעיתים תכופות מונחים כמו "hopeless", "worthless", "life" ו-"anymore", שמשקפים עצב עמוק ותחושה שהמצב לא ישתפר. בדיונים על BPD המילים המרכזיות נטו לכיוון יחסים ורגשות, כולל "abandonment", "relationship", "attachment" ו"fp" (קיצור ל"favorite person", מונח נפוץ בקבוצות אלה). בפוסטים על הפרעה דו־קוטבית בלטו שינויים במצב רוח ושיח על טיפול, עם מילים כמו "mania", "manic", "hypomania", "mood" ושמות תרופות כגון "lithium" ו-"lamictal". המודלים גם חשפו היכן המצבים מטושטשים זה לזה: פוסטים על חרדה ודיכאון, למשל, יכולים לשתף מוקד של מצוקה ורגשות שליליים, מה שמקשה להבחין ביניהם — כפי שקורה גם באבחון במציאות.

מפוסטים מקוונים להשלכה בעולם האמיתי

ללא רקע מקצועי, המסר המרכזי הוא שמחשבים יכולים במידה רבה למיין שיחות על בריאות הנפש לפי נושא ולהסביר אילו מילים משפיעות על בחירותיהם, אך הם עדיין לא יכולים ולא צריכים לאבחן אף אחד. המודלים במחקר זה מתפקדים יותר כספרנים למרחבי תמיכה מקוונים: הם עוזרים לוודא שהדיונים בקהילה נתונה אכן תואמים את המוקד שהוצהר. זה יכול לסייע למנהלים לשמור על רלוונטיות השיחה ולעזור לחוקרים או למטפלים להבין טוב יותר כיצד אנשים מתארים את מאבקיהם מחוץ לפגישות פורמליות. עם פיקוח אנושי קפדני ותשומת לב לפרטיות ולסטיגמה, כלים כאלה עשויים יום אחד לתמוך ביצירת מרחבים מקוונים מזמינים ומאורגנים יותר לשיחה על בריאות הנפש.

ציטוט: Sánchez Rodríguez, I., Bianchi, J., Pinelli, F. et al. Understanding mental health discourse on Reddit with transformers and explainability. Sci Rep 16, 6796 (2026). https://doi.org/10.1038/s41598-026-35918-3

מילות מפתח: בריאות הנפש, רשתות חברתיות, Reddit, AI מובן/הסבריות מלאכותית, סיווג טקסט