Esta página se ha traducido automáticamente del turco. Leer el original
Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.
EV0476
Cuándo ayuda un chatbot (y cuándo no): selección de pacientes para el apoyo basado en grandes modelos de lenguaje
WHEN THE CHATBOT HELPS (AND WHEN IT DOESN’T): PATIENT SELECTION FOR LLM-BASED SUPPORT
Sunan: António Melo
Ülke: Portugal
Kurum: Serviço de Psiquiatria, Unidade Local de Saúde Estuário do Tejo
Los pacientes con capacidad de introspección conservada, pensamiento estructurado y objetivos claros se benefician más del apoyo de grandes modelos de lenguaje mediado por un profesional clínico.
El objetivo fue determinar qué perfiles de pacientes podrían beneficiarse más de los grandes modelos de lenguaje (large language model, LLM), cada vez más utilizados en el apoyo a la salud mental. En un análisis cualitativo integrado en un estudio prospectivo en curso, se examinaron las transcripciones anonimizadas de las entrevistas de 12 pacientes hospitalizados en psiquiatría pertenecientes al grupo de intervención. Los pacientes utilizaron un LLM de propósito general con la mediación de un psiquiatra en varias sesiones semiestructuradas, y se evaluaron las características asociadas al beneficio percibido. Los pacientes con capacidad de introspección conservada, pensamiento estructurado y objetivos claros utilizaron el LLM de forma más eficaz; destacaron dos perfiles: quienes buscaban psicoeducación y quienes presentaban síntomas depresivos circunscritos. Las áreas en las que se observó mayor beneficio fueron el apoyo emocional, el estímulo para participar en actividades y el abordaje de las preocupaciones del paciente. El beneficio fue limitado en los casos de escasa capacidad de introspección o de psicopatología más grave; un paciente con trastorno límite de la personalidad buscó la validación de sus interpretaciones desadaptativas de acontecimientos interpersonales y, al no recibirla del LLM, abandonó la interacción; otro paciente también interrumpió la interacción al percibir la respuesta del LLM como confrontativa. En esta muestra no se detectaron daños clínicos asociados al uso del LLM. Según los autores, el apoyo basado en LLM podría ser una opción complementaria para pacientes con capacidad de introspección conservada que buscan psicoeducación o apoyo emocional de baja intensidad; la selección de pacientes y un diseño adaptado podrían mejorar la aplicación clínica, pero, debido al pequeño tamaño de la muestra cualitativa (n = 12), los hallazgos no permiten establecer la eficacia ni criterios específicos de selección, y se necesitan estudios controlados.
Orijinal postere gitBu çalışmaya nasıl atıf yapılır?
APA 7: Melo, A., Oom, C., Simões, F., Silva, C., Santos, V. M., Moutinho, F., & Jesus, G. (2026, September 23-26). When the chatbot helps (and when it doesn’t): patient selection for llm-based support [E-poster]. 26th WPA World Congress of Psychiatry (WCP 2026), Stockholm, Sweden. https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/2200
Vancouver: Melo A, Oom C, Simões F, Silva C, Santos VM, Moutinho F, et al. When the chatbot helps (and when it doesn’t): patient selection for llm-based support [e-poster]. 26th WPA World Congress of Psychiatry (WCP 2026); 2026 Sep 23-26; Stockholm, Sweden. Available from: https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/2200
Yazar adları ve başlık biçimi kongre sisteminden otomatik oluşturulmuştur; kullanmadan önce orijinal posterle karşılaştırın.
Aynı konudan
- Siber tanıkların davranışını belirleyen etkenler
- Z kuşağında sosyal medyanın "lunapark etkisi"nin modellenmesi: örtük değişken yaklaşımı
- DEHB'de dijital girişimler: etkililik ve çok modlu tedavi yaklaşımlarına entegrasyon
- Algoritmaların inşa ettiği beyinler: dijital çağda DEHB, patolojiyi mi tanılıyoruz yoksa yeni bir normali mi patolojikleştiriyoruz?
- Genç erişkin bir örneklemde nomofobi ile yaygın anksiyete bozukluğu arasındaki ilişki