यह पृष्ठ तुर्की से स्वचालित रूप से अनुवादित किया गया है। मूल पढ़ें

यह पृष्ठ 26वीं विश्व मनोरोग कांग्रेस में प्रस्तुत अध्ययन का कृत्रिम बुद्धिमत्ता की सहायता से तैयार किया गया तुर्की सारांश है। अध्ययन का स्वामित्व इसे प्रस्तुत करने वाले लेखकों के पास है; उद्धरण के लिए मूल स्रोत देखें।

SO140

वृद्धावस्था मनोचिकित्सकीय मूल्यांकन में बड़े भाषा मॉडलों की प्रणालीगत विफलताओं के प्रकार

SYSTEMIC FAILURE MODES OF LARGE LANGUAGE MODELS IN GERIATRIC PSYCHIATRIC ASSESSMENT: A SCOPING REVIEW

बड़े भाषा मॉडल (large language models, LLM) वृद्धावस्था मनोचिकित्सकीय मूल्यांकन में पाँच अलग-अलग क्षेत्रों में बार-बार विफलताएँ प्रदर्शित करते हैं और स्वायत्त उपयोग के लिए पर्याप्त सक्षम नहीं दिखते।

इस अध्ययन का उद्देश्य वृद्ध व्यक्तियों के मनोचिकित्सकीय मूल्यांकन के दौरान बड़े भाषा मॉडलों से संबंधित चिंता के पाँच संभावित क्षेत्रों का मानचित्रण करना और प्रत्येक को साक्ष्य के अनुरूप सुरक्षात्मक उपायों से जोड़ना है। पोस्टर में पद्धति को साक्ष्य-सूचित दृष्टिकोण (evidence-informed perspective) के रूप में परिभाषित किया गया है, जिसमें व्यवस्थित खोज या मेटा-विश्लेषण शामिल नहीं है; स्रोतों का चयन मई 2026 तक किया गया, उनकी अद्यतन स्थिति की अगस्त 2026 में दोबारा जाँच की गई और साक्ष्यों को प्रत्यक्ष (वृद्ध वयस्कों से संबंधित), निकटवर्ती तथा अप्रत्यक्ष श्रेणियों में वर्गीकृत किया गया। पहले क्षेत्र में लंबे संदर्भ और निदान संबंधी अस्थिरता पर विचार किया गया; संकीर्ण रूप से परिभाषित डिलीरियम के लिए AUROC 0,824 और सामंजस्य गुणांक c = 0,74-0,76 दर्ज किए गए तथा यह बताया गया कि कोई सत्यापित 3D (डिलीरियम-डिमेंशिया-अवसाद) परीक्षण उपलब्ध नहीं है। दूसरे क्षेत्र में गढ़ी हुई पूर्वधारणाओं और अविश्वसनीय तर्क-औचित्य की जाँच की गई; प्रतिकूल (adversarial) परिस्थितियों में हैलुसिनेशन, अर्थात मनगढ़ंत जानकारी उत्पन्न करने की दर, 65,9% से घटकर 44,2% हुई, जबकि छवियों से संबंधित सही उत्तरों में से 35,5% का तर्क-औचित्य गलत पाया गया। तीसरे क्षेत्र में बहुमाध्यमीय कालक्रम संबंधी चूक के लिए अधिकांश प्रतिकूल VideoLLM परिस्थितियों में 90% से अधिक चूक दर्ज की गई; चौथे क्षेत्र में दवाओं को कम करने या बंद करने (deprescribing) के लिए सकारात्मक पूर्वानुमान मूल्य (positive predictive value, PPV) मानदंड-आधारित मूल्यांकन में 0,83 था, जबकि केस-आधारित अनुशंसाओं में यह 0,47 था, और GPT-4 के साथ MedCalc की सटीकता 50,91% बताई गई। पाँचवें क्षेत्र में बताया गया कि मूल्य-संबंधी प्रतिरूप अक्सर कम आयु वाले लोगों की ओर झुकते हैं, लेकिन नैदानिक संदर्भ में आयु-आधारित भेदभाव में एकसमान वृद्धि सिद्ध नहीं हुई है और निष्कर्ष मिश्रित हैं; साथ ही यह रेखांकित किया गया कि त्रुटिरहित अनुशंसा की तुलना में गलत LLM अनुशंसा मिलने पर समायोजित नैदानिक सटीकता में 14,0 प्रतिशत अंकों की गिरावट आई (स्वचालन पूर्वाग्रह)। निष्कर्षतः, मसौदा लेखन, डेटा निष्कर्षण, समयरेखा और जाँच-सूची जैसे कार्य, जिनके स्रोत स्पष्ट हों और जिनका सत्यापन किया गया हो, निकट भविष्य में उचित माने गए; दवा और गणना संबंधी सहायता को केवल नियतात्मक और सत्यापित उपकरणों के साथ सशर्त स्वीकार्य माना गया, जबकि स्वायत्त निदान, उपचार, निर्णय-क्षमता का मूल्यांकन और आपातकालीन रेफरल का समर्थन नहीं किया गया। चिंता के प्रत्येक क्षेत्र के लिए समय-मुद्रित स्रोत-अभिगम, प्रत्येक दावे के स्तर पर स्रोत का पता लगाने की सुविधा, उत्तर देने से विरत रहना, चिकित्सक या फार्मासिस्ट की स्वीकृति और वृद्ध व्यक्ति तथा देखभालकर्ता का संयुक्त मूल्यांकन जैसे अनुरूप सुरक्षात्मक उपाय सुझाए गए।

WCP 2026 के सभी सारांश