Az új technológiák lehetőségei és jövője: MI a pszichoterápiában
A mesterséges intelligencia (MI) rohamos fejlődése új lehetőségeket teremt a pszichiátria és a pszichoterápia területén. Az MI-alapú rendszerek képesek komplex biológiai, viselkedéses és nyelvi adatok feldolgozására, ezáltal támogatják a diagnosztikai pontosságot, a kezelések személyre szabását és a prevenciót. A pszichoterápiában megjelenő generatív modellek és chatbotok a humán szakember munkáját kiegészítve segíthetik a terápiás folyamatot és az önsegítő beavatkozásokat. Ugyanakkor az adatvédelem, az algoritmikus átláthatóság és a terápiás kapcsolat minősége továbbra is kulcskérdés. Az MI az oktatásban is új távlatokat nyit: a medikus- és rezidensképzésben adaptív tanulási rendszerek, virtuális páciensek és szupervíziós chatbotok jelennek meg. A jövő ígérete a hibrid modell, ahol az emberi empátia és az MI számítási kapacitása egymást kiegészítve szolgálja a mentális egészségügyi ellátás fejlődését.
Az elmúlt évtizedben a mesterséges intelligencia (MI) robbanásszerű fejlődése alapvetően alakította át az orvoslás számos területét, és a hirtelen változások alól a pszichiátria sem kivétel. A mentális zavarok globális terhe, a szakemberhiány, valamint az ellátási igények növekedése sürgeti az új megoldások bevezetését. Az MI célja a pszichiátriai ellátásban nem az emberi kapcsolat helyettesítése, hanem a szakmai döntések és folyamatok támogatása a diagnosztika, a kezelés és a prevenció területén egyaránt (1, 2). Az MI-eszközök képesek nagy mennyiségű biológiai, viselkedéses és nyelvi adat feldolgozására, új mintázatok felismerésére, valamint a személyre szabott döntéshozatal támogatására. Ezzel párhuzamosan azonban felmerülnek etikai, adatvédelmi és szakmai kérdések is, amelyek az orvosok és terapeuták felelősségvállalásának, szerepének és képzési stratégiáinak újragondolását teszik szükségessé.
Az MI helye a pszichiátriában
A pszichiátriai diagnosztika hagyományosan kvalitatív, a klinikus tapasztalatára és megfigyelésére épül. Ezt egészítheti ki az MI azzal, hogy különböző forrásokból – például elektronikus egészségügyi adatokból, EEG-, képalkotó és beszédmintákból – nyer információt. A gépi tanulási (machine learning) modellek képesek azonosítani olyan rejtett összefüggéseket, amelyek segíthetnek a zavarok korai felismerésében vagy a relapszus előrejelzésében (2). A természetes nyelvfeldolgozás (NLP) eszközei a beszéd és írás elemzésével felismerhetik a depresszióra, szorongásra vagy pszichotikus zavarokra jellemző nyelvi mintákat (3). A multimodális adatok integrálása lehetőséget ad a „precíziós pszichiátria” felé vezető útra, amelyben a diagnózis és a terápia egyaránt személyre szabottabbá válhat (4). A klinikai döntéstámogató rendszerek képesek kezelési alternatívákat javasolni, antidepresszáns-válaszokat előre jelezni vagy pszichoterápiás modalitásokat ajánlani (5). Ugyanakkor a valós klinikai integráció még korlátozott: az MI-modellek gyakran kísérleti stádiumban vannak, és validálásuk további nagy mintás, prospektív vizsgálatokat igényel (6).
Ember és algoritmus együttműködése
A pszichoterápia egyik központi eleme a terápiás kapcsolat, amelynek minősége a kimenet egyik legerősebb prediktora. Éppen ezért a technológiai megoldások csak akkor értelmezhetők terápiás eszközként, ha a humán tényezőt kiegészítik, nem pedig helyettesítik (7). A generatív MI-vel működő chatbotok ma már képesek empatikus, támogató beszélgetéseket folytatni, strukturált kérdéssorokat alkalmazni és copingstratégiákat javasolni. Számos vizsgálatban ezek az eszközök csökkentették a szorongás és a depresszió tüneteit, különösen enyhébb vagy megelőző szinten (8). Ugyanakkor a krízisintervencióban vagy komplex pszichopatológiai esetekben az MI nem alkalmas önálló terápiára, mivel nem rendelkezik a valódi empátiás megértés képességével.
Etikai és szakmai kérdések
Az MI klinikai alkalmazása számos dilemmát vet fel. Az adatbiztonság és a személyes információk védelme kulcsfontosságú, különösen érzékeny pszichiátriai adatok esetében. Az algoritmusok gyakran „fekete doboz”-ként működnek, ami megnehezíti az orvos számára, hogy megértse, milyen tényezők alapján születik egy döntés. Az etikusság kérdéskörébe tartozik a terápiás döntéseket illető felelősség is, hiszen komoly problémákat szülhet, ha az MI téves diagnózist vagy terápiás javaslatot ad. A technológiába vetett túlzott bizalom elvonhatja a figyelmet a személyes kapcsolatról, és növelheti a deperszonalizáció kockázatát. Ugyanakkor az átlátható, „magyarázható MI” (explainable AI) fejlesztése és a szakmai kontroll mellett történő alkalmazás lehetővé teheti a biztonságos integrációt (2). A humán kompetencia továbbra is kulcstényező: az orvosnak képesnek kell lennie értelmezni az MI javaslatait, és szakmai ítéletével felülbírálni, ha szükséges.
A mesterséges intelligencia pszichiátriai alkalmazásának egyik legérzékenyebb területe a betegbizalom megőrzése. A páciensek számára a terápiás folyamat alapja az emberi kapcsolat, a biztonságérzet és az empatikus megértés, amelyet a technológiai eszközök csak részben tudnak pótolni. A bizalom kialakulását befolyásolja az is, mennyire átlátható az MI működése: a betegeknek joguk van tudni, mikor és milyen módon vesz részt mesterséges intelligencia az ellátásban. A kutatások szerint a páciensek nagyobb elfogadással viszonyulnak az MI-alapú döntéstámogatáshoz, ha az az orvosi döntéshozatalt segíti, nem pedig helyettesíti, és ha az adatkezelés biztonsága egyértelműen garantált. A terápiás biztonságérzet megőrzéséhez ezért elengedhetetlen a transzparens kommunikáció, a beteg bevonása a döntésekbe, valamint annak hangsúlyozása, hogy az MI az emberi kapcsolat kiegészítője, nem pedig alternatívája.
Oktatás, szupervízió és képzés az MI korában
A mesterséges intelligencia nemcsak a klinikai gyakorlatban, hanem az orvos- és pszichoterápiás képzésben is új távlatokat nyit. Az MI-alapú oktatási rendszerek személyre szabott tanulási útvonalakat kínálnak, segítik a klinikai döntéshozatal fejlesztését, és visszajelzést adnak a hallgatók kommunikációs készségeiről (9). A rezidensek számára az MI-eszközök szimulált páciensekkel történő interaktív gyakorlást tesznek lehetővé. A virtuális betegmodellek képesek valósághű érzelmi reakciókra, ami lehetőséget ad az interjúvezetési és empátiás készségek fejlesztésére. Az ilyen rendszerek adaptív módon reagálnak a hallgató válaszaira, így támogatják az aktív tanulást és az önreflexiót.
Hazai példa is akad: Sebő, Sárga és Treuer egy MI-alapú szupervízióschatbot-fejlesztés lehetőségeit vizsgálta, amely a pszichológusok és pszichoterapeuták esetmegbeszéléseit támogatja (1). A rendszer célja, hogy a terapeuta szakmai dilemmáit strukturálja, visszajelzést adjon a technikai megoldásokról és a terápiás folyamat kulcsmomentumairól. Az oktatásban az MI további előnyei közé tartozik a tanulási folyamat elemzése („learning analytics”), a kompetenciák követése és a tudás hiányterületeinek azonosítása. Az orvosi fakultásokon és a pszichiáterképzésben egyre több helyen jelenik meg az „AI literacy”, azaz az MI-eszközök értő, kritikus használatának oktatása (10). Mindemellett hangsúlyos marad, hogy az MI nem pótolja a személyes mentorálást és szupervíziót, hanem kiegészíti azt. Az empátiás, etikai és interperszonális dimenziók fejlesztése továbbra is emberi közegben történik.
Lehetőségek és korlátok
Az MI legnagyobb ígérete a pszichiátriában az ellátáshoz való hozzáférés javítása és a személyre szabott beavatkozások terjesztése. Az MI-eszközök 24/7 elérhetőséget kínálnak, csökkenthetik a várólistákat és támogathatják a terápiás folyamatok folytonosságát. Korlátként azonban megmarad a technológiai függés, a torzított adatkészletek kockázata, valamint az algoritmusok kulturális és nyelvi érzékenységének hiánya. A pszichiátria különösen érzékeny terület: az érzelmi árnyalatok, a szimbolikus jelentések és a relációs dinamika olyan szinteket képviselnek, amelyeket a gépi modellek csak részben képesek megragadni (7). A jövő legígéretesebb útja a hibrid modell, amelyben az MI támogatja, de nem helyettesíti a humán döntéshozatalt. Az orvos és az algoritmus közötti együttműködés akkor lehet hatékony, ha mindkét „fél” erősségei kiegészítik egymást: a számítási kapacitás és a klinikai tapasztalat szinergiában működik.
MI a jövőben
A mesterséges intelligencia a pszichiátria és a pszichoterápia minden szintjén megjelenik: a kutatástól a diagnosztikán át az oktatásig. A fejlődés üteme arra utal, hogy néhány éven belül rutinszerűen használhatunk MI-eszközöket az anamnézisben, a terápiás folyamatok monitorozásában vagy az oktatásban. Ennek elősegítésére a Magyar Pszichiátriai Társaság keretében megalapítottam a „Mesterséges Intelligencia Szekciót”. A Mesterséges Intelligencia Szekció célja, hogy a mesterséges intelligencia pszichiátriai és pszichoterápiás alkalmazásainak kutatását, fejlesztését és felelős klinikai integrációját előmozdítsa, miközben interdiszciplináris együttműködést teremt a pszichiáterek, pszichológusok, pszichoterapeuták, informatikusok, jogászok és más szakemberek között, valamint szakmai fórumot biztosít az MI etikai, jogi és módszertani kérdéseinek megvitatására. A szekció további feladata, hogy támogassa a hazai és nemzetközi kutatási, fejlesztési és oktatási együttműködéseket, elősegítse a klinikai gyakorlatot támogató irányelvek és protokollok kidolgozását, rendszeres szakmai rendezvényeket és tudományfejlesztő tevékenységet szervezzen, továbbá aktív kapcsolatot tartson fenn nemzetközi szervezetekkel az interdiszciplináris együttműködések erősítése érdekében.
Összefoglalás
Az adaptív, átlátható és etikus MI-rendszerek bevezetése csak a szakmai közösség aktív részvételével lehet sikeres. Az orvosok, pszichiáterek és pszichoterapeuták feladata, hogy megőrizzék a humánumot és az orvosi felelősséget a technológiai innovációk közepette – hiszen az MI erőssége az adatok feldolgázásban és rendszerezésben, a szakembereké pedig az értelemben, a humánumban és az empátiában rejlik.
IRODALOM
- Sebő T, Sárga N, Treuer T. Mesterséges intelligencia a tanácsadás és szupervízió szolgálatában. Egyetemi Életvezetési Tanácsadó Központ Közleményei 2024;30:101–110.
- Baydili I, Tasci B, Tasci G. Artificial Intelligence in Psychiatry: A Review of Biological and Behavioral Data Analyses. Diagnostics 2025;15:434.
- Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive behavior therapy using conversational agents: Randomized controlled trial. JMIR Mental Health 2017;4(2):e19.
- Iniesta R, Chekroud AM, Dwyer DB. Machine learning, precision psychiatry, and the future of mental health care. Psychological Medicine 2018;48(2):1–10.
- Chekroud AM, Zotti RJ, Dwyer DB. Machine learning and precision psychiatry. World Psychiatry 2021;20(3):265–276.
- Topol E. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. New York: Basic Books 2019.
- Szondy M, Magyary Á, Mészáros N, Zsila Á. Mesterséges intelligencia a pszichoterápiában. Pszichoterápia 2024;34(2):6–14.
- Eltahawy M, Grodniewicz J, Hohol M. Therapeutic Chatbots and Mental Health. Frontiers in Psychology 2024;15:1234.
- Wernigg Róbert, Hajduska-Dér B. A mesterséges intelligencia szerepe a pszichiátriában. Psychiatria Hungarica 2024;39(1):24–35.
- Hudon A, Prégent J, Chung VHA. Applications of Artificial Intelligence in Psychiatry and Psychology Education: Scoping Review. JMIR Medical Education 2025;11: e75238.
a szerző cikkei
