Ricerca
Dai riconoscitori di pattern ai compagni personalizzati: una rassegna sui modelli linguistici di grandi dimensioni nella salute mentale
La crescente prevalenza globale dei disturbi mentali, insieme a ostacoli di lunga data nell’assistenza sanitaria tradizionale, come risorse limitate, costi elevati, stigma e problemi di privacy, ha cr

- arXiv
- 2609.25186
- Pubblicato
- 2026-09-21
- Autori
- He Hu, Yucheng Zhou, Qianning Wang, Yingjian Zou, Chiyuan Ma, Juzheng Si, Jianzhuang Liu, Zitong Yu, Laizhong Cui, Fei Ma, Qi Tian
Abstract degli autori
La crescente prevalenza globale dei disturbi mentali, insieme a ostacoli di lunga data nell’assistenza sanitaria tradizionale, come risorse limitate, costi elevati, stigma e problemi di privacy, ha creato un urgente bisogno di un supporto accessibile e scalabile. I modelli linguistici di grandi dimensioni (LLM) si sono affermati come una tecnologia trasformativa, con un forte potenziale per democratizzare il supporto alla salute mentale grazie a una comprensione e generazione avanzate del linguaggio naturale. Tuttavia, la letteratura in questo ambito, in rapida espansione e frammentata, è priva di una narrazione evolutiva coerente, rendendo difficile inquadrare i progressi attuali e individuare le direzioni future. Questa rassegna colma tale lacuna organizzando e analizzando la letteratura attorno a una tesi centrale: il ruolo degli LLM nella salute mentale si sta evolvendo attraverso tre fasi distinte e sempre più sofisticate. Ripercorriamo questo percorso dalla Fase I, in cui gli LLM agiscono principalmente come strumenti informativi passivi e riconoscitori di pattern per la valutazione, passando per la Fase II, in cui operano come interlocutori empatici in interazioni immediate e senza stato, fino all’attuale frontiera, la Fase III, che punta a creare compagni personalizzati nel tempo, implementati come agenti cognitivi dotati di stato. A sostegno di questo quadro, esaminiamo sistematicamente le tecnologie fondamentali, le architetture degli agenti (profilo, memoria, ragionamento e pianificazione) e le infrastrutture essenziali costituite da dataset e benchmark, evidenziando come la loro evoluzione sostenga questo percorso di sviluppo. Considerando il settore attraverso questa prospettiva evolutiva, offriamo una sintesi completa dei lavori esistenti, una ricostruzione illuminante del suo percorso e una chiara tabella di marcia per l’innovazione futura nell’IA responsabile, efficace e incentrata sulle persone per l’assistenza alla salute mentale. Una raccolta selezionata delle risorse esaminate in questa rassegna è disponibile nel repository del nostro progetto: https://github.com/Emo-gml/Awesome-Mental-Health-LLMs.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv