Wielomodowa sztuczna inteligencja i uczenie online w zdrowiu psychicznym młodzieży: przegląd zakresowy

Dlaczego to ma znaczenie dla młodych ludzi i ich rodzin

Problemy ze zdrowiem psychicznym wśród młodzieży rosną na całym świecie, a mimo to wielu dzieciom i nastolatkom nie udziela się pomocy na czas. Równocześnie młodzi ludzie nieustannie generują cyfrowe ślady — ze smartfonów, urządzeń noszonych, platform szkolnych i mediów społecznościowych — które mogą ujawniać, jak naprawdę się mają. Ten przegląd bada, w jaki sposób nowe rodzaje sztucznej inteligencji (SI), uczące się na wielu rodzajach danych i aktualizujące się w czasie, mogłyby kiedyś pomóc wcześniej wykrywać stres, depresję i inne problemy oraz wspierać bardziej spersonalizowaną opiekę nad młodymi ludźmi.

Nowe narzędzia dla narastającego kryzysu zdrowia psychicznego młodzieży

Dane globalne pokazują, że problemy ze zdrowiem psychicznym dotykają dużej części dzieci i młodzieży, a sytuacja pogorszyła się podczas i po pandemii COVID-19. Wzrosły wizyty w trybie pilnym z powodu zaburzeń psychicznych oraz zdalne konsultacje lekarskie, zwłaszcza w przypadku nastoletnich dziewcząt. Usługi pozostają jednak trudne do uzyskania, a wielu młodych ludzi popada w społeczny „przepaść” — szczególnie gdy przestają korzystać z opieki dla dzieci, a nie są w pełni włączeni w opiekę dorosłych. Ponieważ większość zaburzeń trwających całe życie zaczyna się przed 25. rokiem życia, autorzy argumentują, że lepsze metody wykrywania i monitorowania problemów w tym oknie czasowym mogą przynieść długoterminowe korzyści dla jednostek, rodzin i systemów opieki zdrowotnej.

Jak mądrzejsze maszyny mogą pomóc

Systemy SI potrafią uczyć się wzorców z danych i wykorzystywać je do wykrywania lub przewidywania zdarzeń, takich jak oznaki stresu czy obniżonego nastroju. Tradycyjne modele zwykle opierają się na jednym źródle danych — np. tekście, skanie mózgu czy kwestionariuszu — i są trenowane jednokrotnie na stałym zbiorze danych. Przegląd koncentruje się na dwóch postępach, które są szczególnie obiecujące dla młodzieży. Pierwszy to wielomodowa SI, łącząca kilka typów informacji, na przykład sygnały serca z urządzeń noszonych, sen i ruch z telefonów, głos lub mimikę twarzy oraz wpisy pisane czy odpowiedzi w ankietach. Drugi to uczenie online, w którym modele nie pozostają zamrożone, lecz aktualizują się w miarę napływu nowych danych, co pozwala im dostosowywać się, gdy zmienia się życie, zachowanie lub środowisko młodej osoby.

Co robi obecne badania

Autorzy systematycznie przeszukali główne bazy danych medycznych i inżynieryjnych w poszukiwaniu badań od 2015 r., które wykorzystywały SI na danych od młodych ludzi (do 25. roku życia) do wykrywania, monitorowania lub leczenia problemów związanych ze zdrowiem psychicznym. Z ponad 500 artykułów tylko 24 spełniły ich kryteria, a zaledwie kilka łączyło wiele typów danych i uczenie online. Większość prac koncentrowała się na wczesnych sygnałach ostrzegawczych, takich jak stres, stan emocjonalny czy obciążenie poznawcze, zamiast formalnych diagnoz. Na przykład w kilku projektach używano czujników noszonych do pomiaru aktywności serca lub przewodnictwa skóry podczas wykonywania przez studentów stresujących zadań, a następnie trenowano sieci neuronowe do rozpoznawania stresu i udoskonalania prognoz wraz z napływem kolejnych danych. Inne analizy dotyczyły wzorców korzystania ze smartfonów i snu w ciągu semestru, aby grupować studentów o podobnych profilach stresu i dostosowywać modele do nowych użytkowników przy bardzo niewielkiej liczbie danych.

Obiecujące wyniki, ale istotne luki

W badaniach wykorzystujących pewne formy ciągłej aktualizacji modele zazwyczaj stawały się dokładniejsze i lepiej dopasowane do poszczególnych osób niż systemy trenowane jednokrotnie. Uczenie online pomagało śledzić zmieniające się stany emocjonalne na podstawie aktywności mózgu i dostosowywać wykrywanie stresu dla każdego użytkownika. Niemniej autorzy zauważają, że wiele prac określanych jako „online” w rzeczywistości stosowało luźniejsze formy przyrostowego retreningu, a nie prawdziwe, w czasie rzeczywistym dostosowanie do strumieni danych. Większość badań opierała się na małych, wąskich próbach — często studentach studiujących — i rzadko testowano modele na niezależnych zbiorach danych. Pojawiają się też duże pytania etyczne i praktyczne: zbieranie szczegółowych danych fizjologicznych i behawioralnych od nieletnich budzi wrażliwe kwestie dotyczące zgody, prywatności, długoterminowego przechowywania oraz tego, kto kontroluje ciągłe aktualizacje modeli, które mogą wpływać na decyzje terapeutyczne.

Dokąd powinna zmierzać ta dziedzina

Przegląd konkluduje, że SI w obszarze zdrowia psychicznego młodzieży to szybko rozwijająca się, lecz wciąż wczesna dziedzina. Aby przejść od prototypów laboratoryjnych do narzędzi, które bezpiecznie wspierają rzeczywistą opiekę, badacze będą potrzebować większych i bardziej zróżnicowanych zbiorów danych, jaśniejszego raportowania wieku i tła uczestników oraz ustandaryzowanych metod zbierania i udostępniania wielomodowych danych młodzieżowych. Modele muszą być testowane w czasie i w różnych kontekstach, aby zapewnić, że pozostają wiarygodne wraz ze zmieniającymi się warunkami. Przyszłe badania powinny wykraczać poza wykrywanie stresu i nastroju, obejmując szerszy zakres klinicznie rozpoznawanych zaburzeń i, co kluczowe, badanie sposobów, w jakie SI może wspierać rzeczywiste interwencje, a nie tylko sygnalizować problemy. W miarę jak systemy konwersacyjne i duże modele językowe stają się powszechniejsze, niezbędna będzie ostrożna ocena ich korzyści i ryzyka dla młodych użytkowników. Na razie wielomodowa, stale ucząca się SI oferuje obiecujący kierunek — lecz taki, który wymaga silnych zabezpieczeń, przejrzystości i ścisłej współpracy między technologami, klinicystami, młodymi ludźmi i ich rodzinami.

Cytowanie: 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

Słowa kluczowe: zdrowie psychiczne młodzieży, wielomodowa SI, uczenie online, wykrywanie stresu, czujniki noszone