בינה מלאכותית מולטימודאלית ולמידה מקוונת בבריאות הנפש של צעירים: סקירה טווחית

מדוע זה חשוב לצעירים ולמשפחות

בעיות בריאות הנפש בקרב צעירים נמצאות בעלייה ברחבי העולם, אך רבים מהילדים והמתבגרים אינם מקבלים סיוע בזמן. במקביל, צעירים משאירים באופן קבוע עקבות דיגיטליים — מטלפונים חכמים, חיישנים לבישים, פלטפורמות בית הספר ורשתות חברתיות — שעשויים לחשוף כיצד הם באמת מרגישים. סקירה זו בוחנת כיצד סוגים חדשים של בינה מלאכותית, הלומדים ממגוון סוגי נתונים ומתעדכנים לאורך זמן, עשויים בעתיד לסייע לזהות לחץ, דיכאון ובעיות אחרות מוקדם יותר ולתמוך בטיפול מותאם אישית יותר לצעירים.

כלים חדשים למשבר הולך וגדל בבריאות הנפש של צעירים

נתונים עולמיים מראים כי בעיות נפשיות משפיעות על חלק גדול מהילדים והמתבגרים, והמצב החריף במהלך ולאחר מגפת הקורונה. ביקורי חירום בשל הפרעות נפשיות ופגישות מרחוק עם רופאים עלו, במיוחד בקרב נערות. עם זאת, השירותים נותרו קשים להשגה והרבה צעירים נופלים בין הכסאות, במיוחד כשהם יוצאים משירותי ילדים אך אינם משולבים במלואם בטיפול למבוגרים. מאחר שרוב ההפרעות הנפשיות לכל החיים מתחילות לפני גיל 25, המחברים טוענים ששיטות טובות יותר לזיהוי ומעקב בתקופה זו עשויות להניב יתרונות ארוכי טווח לפרטים, למשפחות ולמערכות הבריאות.

כיצד מכונות חכמות יותר יכולות לסייע

מערכות בינה מלאכותית יכולות לזהות דפוסים בנתונים ולהשתמש בהם כדי לזהות או לחזות תוצאות, כגון סימ Signs של לחץ או מצב רוח נמוך. מודלים מסורתיים בדרך כלל מסתמכים על מקור נתונים יחיד — כמו טקסט, סריקת מוח או שאלון — ומאומנים פעם אחת על מאגר נתונים קבוע. הסקירה מתמקדת בשני חידושים שמבטיחים במיוחד לצעירים. הראשון הוא בינה מלאכותית מולטימודאלית, המשלבת מספר סוגי מידע, למשל אותות לב מחיישנים לבישים, שינה ותנועה מטלפונים, קול או הבעות פנים, ופוסטים כתובים או תשובות בסקרים. השני הוא למידה מקוונת, שבה המודלים אינם נשארים קפואים אלא ממשיכים להתעדכן ככל שמגיעים נתונים חדשים, מה שמאפשר להם להסתגל כאשר חיי הצעיר, התנהגותו או סביבתו משתנים.

מה המחקר הנוכחי בפועל עושה

המחברים חיפשו באופן שיטתי במסדי נתונים רפואיים והנדסיים מרכזיים מחקרים מאז 2015 שהשתמשו בבינה מלאכותית על נתונים של צעירים (עד גיל 25) כדי לזהות, לנטר או לטפל בבעיות הקשורות לבריאות הנפש. מתוך יותר מ-500 מאמרים, רק 24 ענו לקריטריונים שלהם, ורק מעטים שילבו סוגי נתונים מרובים ולמידה מקוונת. רוב העבודות התמקדו בסימני אזהרה מוקדמים כמו לחץ, מצב רגשי או עומס קוגניטיבי, יותר מאשר באבחנות פורמליות. לדוגמה, מספר פרויקטים השתמשו בחיישנים לבישים כדי למדוד פעילות לבבית או מוליכות עורית בעוד תלמידים ביצעו משימות מלחיצות, ואז אימנו רשתות נוירוניות לזהות לחץ ולחדד את התחזיות ככל שנכנסו נתונים נוספים. אחרים ניתחו דפוסי שימוש בטלפון ובשינה לאורך סמестр כדי לקבץ תלמידים עם פרופילי לחץ דומים ולהתאים מודלים למשתמשים חדשים עם מעט מאוד נתונים.

תוצאות מבטיחות, אך פערים חשובים

במחקרים שהשתמשו בצורה כלשהי של עדכון מתמשך, המודלים בדרך כלל הפכו מדויקים יותר ומותאמים טוב יותר ליחידים מאשר מערכות שאומנו רק פעם אחת. למידה מקוונת סייעה לעקוב אחרי מצבים רגשיים משתנים מתוך פעילות מוחית ולהתאים את זיהוי הלחץ לכל משתמש. עם זאת, המחברים מציינים כי מאמרים רבים שתויגו כ"מקוונים" השתמשו למעשה בצורות רופפות יותר של אימון חוזר אינקרמנטרי ולא בהתאמה בזמן אמת לזרמי נתונים. רוב המחקרים הסתמכו על לדגימות קטנות וצנזריות — לעתים קרובות סטודנטים במכללות או בבתי ספר גבוהים — ונדיר שהמודלים נבדקו על מאגרים עצמאיים. שאלות אתיות ומעשיות עומדות במרכז הדיון: איסוף נתונים פיזיולוגיים והתנהגותיים מפורטים ממיעוטים או מצעירים מעורר סוגיות רגישות סביב הסכמה מדעת, פרטיות, אחסון ארוך טווח ומי שולט בעדכונים השוטפים של מודלים שיכולים להשפיע על החלטות טיפוליות.

לאן התחום צריך להתקדם מכאן

הסקירה מסכמת כי הבינה המלאכותית לבריאות הנפש של צעירים היא תחום שמתפתח במהירות אך עדיין בשלבים מוקדמים. כדי לעבור מפרוטוטיפים מעבדתיים לכלים שיכולים לתמוך בטיפול אמיתי בבטחה, החוקרים יצטרכו מאגרים גדולים ומגוונים יותר, דיווח ברור יותר על גיל ורקע, ושיטות סטנדרטיות לאיסוף ושיתוף נתונים מולטימודאליים של צעירים. יש לבדוק מודלים לאורך זמן ובסביבות שונות כדי לוודא שהם נשארים אמינים כאשר התנאים משתנים. עבודות עתידיות צריכות להרחיב מעבר לזיהוי לחץ ומצב רוח לכלול טווח רחב יותר של הפרעות מוכרות קלינית, ובהכרח לחקור כיצד בינה מלאכותית יכולה לסייע בהתערבויות ממשיות ולא רק לסמן בעיות. ככל שמערכות שיחה ומודלים לשפה גדולים הופכים נפוצים יותר, הערכה זהירה של יתרונותיהם וסיכוניהם למשתמשים צעירים תהיה חיונית. לעת עתה, בינה מלאכותית מולטימודאלית המתעדכנת ללא הרף מציעה כיוון מבטיח — אך כזה שדורש בטוחות חזקות, שקיפות ושיתוף פעולה הדוק בין טכנולוגים, קלינאים, צעירים ובני משפחותיהם.

ציטוט: Ramirez Campos, M.S., Barati, K., Samavi, R. et al. Multimodal artificial intelligence and online learning in youth mental health: a scoping review. npj Mental Health Res 5, 26 (2026). https://doi.org/10.1038/s44184-026-00207-4

מילות מפתח: בריאות הנפש של צעירים, בינה מלאכותית מולטימודאלית, למידה מקוונת, זיהוי לחץ, חיישנים לבישים