Intelligenza artificiale multimodale e apprendimento online nella salute mentale giovanile: una revisione esplorativa

Perché questo è importante per i giovani e le famiglie

I problemi di salute mentale tra i giovani stanno aumentando in tutto il mondo, eppure molti bambini e adolescenti non ricevono assistenza tempestiva. Allo stesso tempo, i giovani generano continuamente tracce digitali — da smartphone, dispositivi indossabili, piattaforme scolastiche e social media — che possono rivelare il loro reale stato. Questa revisione esplora come nuove forme di intelligenza artificiale (IA), che apprendono da più tipi di dati e si aggiornano nel tempo, potrebbero un giorno aiutare a individuare prima stress, depressione e altri problemi, e a supportare cure più personalizzate per i giovani.

Nuovi strumenti per una crescente crisi della salute mentale giovanile

I dati globali mostrano che i problemi di salute mentale interessano una larga quota di bambini e adolescenti, e che queste difficoltà sono peggiorate durante e dopo la pandemia di COVID-19. Le visite in pronto soccorso per disturbi mentali e le consultazioni a distanza con i medici sono aumentate, soprattutto tra le ragazze adolescenti. Tuttavia i servizi restano difficili da raggiungere e molti giovani restano esclusi, in particolare quando escono dai servizi per l’infanzia senza essere pienamente inseriti in quelli per adulti. Poiché la maggior parte dei disturbi mentali cronici inizia prima dei 25 anni, gli autori sostengono che migliori metodi per rilevare e monitorare i problemi in questa finestra temporale potrebbero avere benefici duraturi per individui, famiglie e sistemi sanitari.

Come potrebbero aiutare macchine più intelligenti

I sistemi di IA possono apprendere pattern dai dati e usarli per rilevare o prevedere esiti, come segnali di stress o umore basso. I modelli tradizionali si basano di solito su un’unica fonte di dati — per esempio testo, una scansione cerebrale o un questionario — e vengono addestrati una sola volta su un dataset fisso. La revisione si concentra su due progressi particolarmente promettenti per i giovani. Il primo è l’IA multimodale, che combina più tipi di informazioni, ad esempio segnali cardiaci da dispositivi indossabili, sonno e movimento dal telefono, voce o espressioni facciali, e post scritti o risposte a sondaggi. Il secondo è l’apprendimento online, dove i modelli non rimangono statici ma continuano ad aggiornarsi man mano che arrivano nuovi dati, permettendo loro di adattarsi quando la vita, il comportamento o l’ambiente di un giovane cambiano.

Cosa fa effettivamente la ricerca attuale

Gli autori hanno cercato sistematicamente nelle principali banche dati mediche e ingegneristiche studi dal 2015 in poi che usassero l’IA su dati provenienti da giovani (fino a 25 anni) per rilevare, monitorare o trattare problemi correlati alla salute mentale. Su più di 500 articoli, solo 24 hanno soddisfatto i criteri, e appena una manciata ha combinato più tipi di dati e apprendimento online. La maggior parte degli studi ha mirato a segnali di allarme precoce come stress, stato emotivo o affaticamento cognitivo, più che a diagnosi formali. Per esempio, diversi progetti hanno usato sensori indossabili per misurare l’attività cardiaca o la conduttanza cutanea mentre gli studenti svolgevano compiti stressanti, poi hanno addestrato reti neurali a riconoscere lo stress e a perfezionare le previsioni con l’arrivo di nuovi dati. Altri hanno analizzato pattern di utilizzo dello smartphone e del sonno nel corso di un semestre per raggruppare studenti con profili di stress simili e adattare i modelli a nuovi utenti con pochissimi dati.

Risultati promettenti, ma lacune importanti

Negli studi che hanno utilizzato qualche forma di aggiornamento continuo, i modelli in genere sono diventati più accurati e meglio adattati agli individui rispetto ai sistemi addestrati una sola volta. L’apprendimento online ha aiutato a monitorare stati emotivi mutevoli a partire dall’attività cerebrale e ad aggiustare la rilevazione dello stress per ciascun utente. Tuttavia, gli autori osservano che molti articoli etichettati come “online” in realtà hanno impiegato forme meno rigorose di riaddestramento incrementale piuttosto che una vera e propria adattamento in tempo reale ai flussi di dati. La maggior parte degli studi si è basata su campioni piccoli e ristretti — spesso studenti universitari o laureandi — e raramente ha testato i modelli su dataset indipendenti. Domande etiche e pratiche sono rilevanti: raccogliere dati fisiologici e comportamentali dettagliati da minorenni solleva questioni sensibili su consenso, privacy, conservazione a lungo termine e chi controlla gli aggiornamenti continui dei modelli che possono influenzare decisioni cliniche.

Dove deve andare questo campo

La revisione conclude che l’IA per la salute mentale giovanile è un’area in rapida crescita ma ancora allo stadio iniziale. Per passare da prototipi di laboratorio a strumenti che possano supportare la cura reale in modo sicuro, i ricercatori avranno bisogno di dataset più grandi e diversificati, una rendicontazione più chiara di età e contesto, e metodi standardizzati per raccogliere e condividere dati multimodali sui giovani. I modelli devono essere testati nel tempo e in contesti diversi per garantire che rimangano affidabili quando le condizioni cambiano. I lavori futuri dovrebbero andare oltre la semplice rilevazione di stress e umore per includere una gamma più ampia di disturbi clinicamente riconosciuti e, cosa cruciale, studiare come l’IA possa assistere interventi effettivi anziché limitarsi a segnalare problemi. Con la diffusione di sistemi conversazionali e grandi modelli linguistici sarà essenziale una valutazione attenta di benefici e rischi per i giovani. Per ora, l’IA multimodale e in continuo apprendimento offre una direzione promettente — ma richiede solide salvaguardie, trasparenza e una stretta collaborazione tra tecnologi, clinici, giovani e loro famiglie.

Citazione: 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

Parole chiave: salute mentale giovanile, IA multimodale, apprendimento online, rilevazione dello stress, sensori indossabili