Medindo o Que Importa: Avaliando Princípios Terapêuticos em Conversas de Saúde Mental · Artigo de referência

Título original: Measuring What Matters!! Assessing Therapeutic Principles in Mental-Health Conversation. Pode sustentar que avaliação estruturada por princípios terapêuticos distingue melhor alinhamento discursivo do q…

Como a literatura científica descreve e avalia o uso de sistemas conversacionais de IA generativa, especialmente modelos grandes de linguagem e chatbots baseados em LLMs, em funções de psicoterapia, aconselhamento, psicoeducação, autocuidado em saúde mental ou suporte emocional, e que evidências existem sobre contextos de uso, aceitabilidade, efeitos relatados, segurança, manejo de crise, limitações e salvaguardas?

A literatura disponível descreve usos delimitados de chatbots e IA generativa em saúde mental. No corpus público atual, há sinal baixo a moderado de aceitabilidade e de apoio pontual em contextos de baixo risco, sobretudo quando a tarefa é estruturada e a supervisão humana permanece. Isso não demonstra que esses sistemas “façam terapia” no sentido clínico, nem que sejam seguros em crise ou capazes de substituir psicoterapia humana.

Força da evidência: baixa a moderada para apoio pontual, aceitabilidade e usos estruturados ou supervisionados de baixo risco; baixa para benefício clínico sustentado; insuficiente/não demonstrada para segurança em crise e para substituição de psicoterapia humana

Título original: Measuring What Matters!! Assessing Therapeutic Principles in Mental-Health Conversation

O que este artigo pode sustentar: Pode sustentar que avaliação estruturada por princípios terapêuticos distingue melhor alinhamento discursivo do que métricas superficiais

O que este artigo não pode sustentar: Não pode sustentar eficácia clínica, segurança em crise, competência cultural ampla ou aliança terapêutica de longo prazo

Alerta metodológico: Ajuda a medir se uma resposta soa terapeuticamente alinhada, mas não mostra se ela ajuda pacientes reais