क्या एक AI मनोवैज्ञानिक वास्तव में काम करता है? AI थेरेपी चैटबॉट्स पर प्रमाण

संशयवादी यह पूछने में सही हैं कि क्या एक AI मनोवैज्ञानिक कुछ मापने योग्य करता है, या यह केवल सहायक लगता है। ईमानदार, प्रमाण-आधारित उत्तर है हाँ, वास्तविक सीमाओं के साथ: एक जनरेटिव AI थेरेपी चैटबॉट का पहला रैंडमाइज़्ड कंट्रोल्ड ट्रायल, जो मार्च 2025 में NEJM AI में प्रकाशित हुआ, और हज़ारों प्रतिभागियों को शामिल करने वाले मेटा-विश्लेषणों की एक श्रृंखला, दोनों अवसाद और चिंता के लिए मापने योग्य, छोटे-से-मध्यम लाभ की ओर संकेत करते हैं। नीचे वह है जो शोध वास्तव में कहता है — जिसमें यह भी शामिल है कि प्रमाण कहाँ मज़बूत हैं, कहाँ कमज़ोर हैं, और किन पर यह लागू नहीं होता।

यह न तो अतिशयोक्ति है और न ही खारिज करना। यह ऐतिहासिक Dartmouth Therabot रैंडमाइज़्ड ट्रायल, 18 देशों में हज़ारों प्रतिभागियों तक फैले मेटा-विश्लेषणों, और उन विशिष्ट स्थानों पर एक नज़र है जहाँ प्रमाण का आधार अभी भी कमज़ोर है।

यह लेख प्रकाशित शोध की समीक्षा करता है और यह चिकित्सा सलाह नहीं है। एक AI मनोवैज्ञानिक एक लाइसेंस प्राप्त चिकित्सक की जगह नहीं लेता। यदि आप U.S. में संकट में हैं, तो 988 (Suicide and Crisis Lifeline) पर कॉल करें या टेक्स्ट करें, या HOME को 741741 पर टेक्स्ट करें। तत्काल खतरे के लिए 911 पर कॉल करें।

संक्षिप्त उत्तर: मापने योग्य लाभ, सीमाओं के साथ

इन ट्रायल्स के संदर्भ में “काम करता है” का एक संकीर्ण, परीक्षण योग्य अर्थ है — और किसी भी आँकड़े को देखने से पहले इसे परिभाषित करना उपयोगी है। एक बार यह अर्थ स्पष्ट हो जाने पर, प्रमाण का स्वरूप मार्केटिंग जैसा दिखना बंद कर देता है और एक सामान्य, अपूर्ण नैदानिक शोध आधार जैसा दिखने लगता है।

यहाँ “काम करता है” का वास्तव में क्या अर्थ है

इस शोध में, “काम करता है” का अर्थ है एक नियंत्रण समूह की तुलना में लक्षणों में एक सांख्यिकीय रूप से महत्वपूर्ण कमी, जिसे एक निर्धारित ट्रायल अवधि में मापा गया — अधिकतर 4 से 8 सप्ताह। इसका मतलब इलाज नहीं है, और इसका मतलब वर्षों की मनोचिकित्सा के समतुल्य होना नहीं है। प्रभाव वास्तविक लेकिन मामूली है, और अब तक यह सामान्य-उद्देश्य वाले चैटबॉट्स के बजाय विशेष रूप से बनाए गए कॉग्निटिव बिहेवियरल थेरेपी (CBT) टूल्स में केंद्रित है।

यह अंतर इस लेख के किसी भी एकल प्रतिशत से अधिक मायने रखता है। एक रैंडमाइज़्ड कंट्रोल्ड ट्रायल (RCT) वह डिज़ाइन है जिस पर शोधकर्ता सबसे अधिक भरोसा करते हैं क्योंकि यह एक AI थेरेपी चैटबॉट की तुलना एक वास्तविक नियंत्रण समूह से करता है, जिससे टूल के प्रभाव को अकेले प्लेसीबो, समय, या ध्यान से अलग किया जा सके।

उत्तर “हाँ, लेकिन” क्यों है

सबसे अच्छा एकल डेटासेट — Dartmouth का Therabot ट्रायल — अवसाद और चिंता के लक्षणों में एक सार्थक कमी दिखाता है। दर्जनों ट्रायल्स को एकत्रित करने वाले व्यापक मेटा-विश्लेषण, एक विषम परिणाम के बजाय एक छोटे-से-मध्यम प्रभाव की पुष्टि करते हैं। लेकिन तीन योग्यताएँ लगभग इस सब पर लागू होती हैं: लाभ के टिकाऊ होने को सिद्ध करने के लिए आवश्यक फॉलो-अप डेटा कमज़ोर है, अंतर्निहित अध्ययनों में पूर्वाग्रह का जोखिम अक्सर उच्च है, और सबसे मज़बूत प्रमाण विशेष रूप से बनाए गए टूल्स की एक संकीर्ण श्रेणी से संबंधित है, न कि सामान्य रूप से चैटबॉट्स से।

ऐतिहासिक अध्ययन: Dartmouth का Therabot ट्रायल

इस बारे में जो कुछ भी ज्ञात है कि क्या एक जनरेटिव AI थेरेपी चैटबॉट नैदानिक लक्षणों को बदल सकता है, उसका अधिकांश हिस्सा एक ट्रायल से आता है, इसलिए यह जानना उपयोगी है कि इसने वास्तव में क्या परीक्षण किया और क्या पाया।

ट्रायल में क्या पाया गया

एक जनरेटिव AI थेरेपी चैटबॉट का पहला रैंडमाइज़्ड कंट्रोल्ड ट्रायल मार्च 2025 में NEJM AI में प्रकाशित हुआ। Dartmouth के शोधकर्ताओं ने प्रमुख अवसादग्रस्तता विकार, सामान्यीकृत चिंता विकार, या भोजन और खाने के विकारों के लिए नैदानिक रूप से उच्च जोखिम वाले 210 वयस्कों को नामांकित किया, जिनमें से 106 को Therabot और 104 को एक वेटलिस्ट नियंत्रण में रैंडमाइज़ किया गया। चार और आठ सप्ताह के बाद, उपचार समूह के अवसाद के लक्षण 51% गिरे, चिंता के लक्षण 31% गिरे, और खाने के विकार से संबंधित शरीर-छवि की चिंताएँ 19% गिरीं — कमी जिसे अध्ययन के लेखकों ने आउटपेशेंट थेरेपी में आमतौर पर देखी जाने वाली कमी के तुलनीय बताया।

Therabot स्वयं एक सामान्य-उद्देश्य वाला चैटबॉट नहीं है; इसे विशेष रूप से CBT की सर्वोत्तम प्रथाओं और नैदानिक संवाद पैटर्न पर प्रशिक्षित किया गया था, जो एक बड़ा कारण है कि इसके परिणाम अन्य AI टूल्स में स्वचालित रूप से स्थानांतरित नहीं होते।

चिकित्सीय गठबंधन का आश्चर्य

प्रतिभागियों ने ट्रायल अवधि में लगभग छह घंटे तक Therabot का उपयोग किया, जो लगभग आठ थेरेपी सत्रों के समतुल्य है, और लगभग तीन-चौथाई उस समय कोई अन्य मानसिक स्वास्थ्य उपचार प्राप्त नहीं कर रहे थे। विशेष रूप से, उन्होंने सॉफ़्टवेयर में अपने भरोसे को उस स्तर के करीब आँका जो मरीज़ आमतौर पर एक मानव चिकित्सक के प्रति व्यक्त करते हैं।

हमने यह उम्मीद नहीं की थी कि लोग सॉफ़्टवेयर के साथ लगभग एक दोस्त जैसा व्यवहार करेंगे। यह मुझे बताता है कि वे वास्तव में Therabot के साथ रिश्ते बना रहे थे।

Nicholas Jacobson, Dartmouth (Therabot प्रमुख शोधकर्ता)

जुड़ाव का वह स्तर एक स्व-निर्देशित डिजिटल टूल के लिए असामान्य है, जहाँ ड्रॉपआउट आमतौर पर किसी भी मापने योग्य प्रभाव के लिए सबसे बड़ी बाधा है।

हज़ारों लोगों में मेटा-विश्लेषण क्या कहते हैं

एक अकेला ट्रायल, चाहे कितना भी अच्छा डिज़ाइन किया गया हो, एक क्षेत्र-व्यापी पैटर्न स्थापित करने के लिए पर्याप्त नहीं है। मेटा-विश्लेषण इसी के लिए होते हैं, और AI थेरेपी चैटबॉट्स पर, वे अब कुछ आत्मविश्वास के साथ कहने के लिए पर्याप्त बड़े नमूने को कवर करते हैं।

छोटा-से-मध्यम, लेकिन सुसंगत। किशोरों और युवा वयस्कों पर केंद्रित एक 2025 मेटा-विश्लेषण, जिसने 18 देशों में 31 रैंडमाइज़्ड कंट्रोल्ड ट्रायल्स और 29,637 प्रतिभागियों को एकत्रित किया, ने अवसाद के लिए −0.43, चिंता के लिए −0.37, और समग्र मनोवैज्ञानिक संकट के लिए −0.35 का मानकीकृत औसत अंतर पाया। ये पारंपरिक नैदानिक मानकों के अनुसार मामूली प्रभाव आकार हैं, लेकिन वे एक नमूने में सांख्यिकीय रूप से मज़बूत थे जो संयोग को स्पष्टीकरण के रूप में खारिज करने के लिए पर्याप्त बड़ा था। चूँकि अध्ययन की आबादी युवा (15–39 वर्ष) की ओर झुकी हुई थी, ये विशेष आँकड़े व्यापक वयस्कों के बजाय उस आयु समूह से सबसे सीधे संबंधित हैं।

प्रभाव अल्पकालिक में सबसे मज़बूत है। छोटे हस्तक्षेपों के एक अलग मेटा-विश्लेषण ने वही पैटर्न पाया: महत्वपूर्ण लेकिन छोटे सुधार जो उपयोग के पहले चार से आठ सप्ताहों में केंद्रित हैं, जो Therabot ट्रायल की अपनी अवधि से निकटता से मेल खाते हैं। उस बिंदु से आगे, लाभ के बने रहने पर डेटा काफ़ी कमज़ोर हो जाता है।

वे आँकड़े 31 RCTs के एक एकत्रित विश्लेषण से आते हैं, न कि किसी एकल उत्पाद के मार्केटिंग दावों से, यही कारण है कि शोधकर्ता उन्हें वर्तमान में उपलब्ध क्षेत्र-व्यापी उत्तर के सबसे करीब मानते हैं।

सभी “AI थेरेपिस्ट” समान नहीं हैं: विशेष रूप से बनाए गए बनाम सामान्य

“AI थेरेपिस्ट” शब्द सॉफ़्टवेयर की दो बहुत अलग श्रेणियों पर लागू होता है, और प्रमाण उनमें से केवल एक का समर्थन करते हैं।

प्रमाण वास्तव में कहाँ हैं

अब तक चर्चा किया गया हर ट्रायल एक ऐसे टूल का परीक्षण करता था जो मानसिक स्वास्थ्य के लिए विशेष रूप से बनाया गया था और CBT में आधारित था — Therabot, और पहले के शोध में, Woebot और Wysa। इन उत्पादों को नींव से नैदानिक प्रोटोकॉल के आसपास डिज़ाइन किया गया, नियंत्रित अध्ययनों में परीक्षण किया गया, और परिणाम डेटा के आधार पर परिष्कृत किया गया। वह प्रमाण आधार ChatGPT जैसे सामान्य-उद्देश्य वाले बड़े भाषा मॉडल तक विस्तारित नहीं होता, जिन्हें चिकित्सीय उपयोग के लिए रैंडमाइज़्ड नैदानिक ट्रायल्स में मान्य नहीं किया गया है।

• Therabot — विशेष रूप से बनाया गया CBT चैटबॉट, 210 प्रतिभागियों के साथ एक RCT में परीक्षण किया गया (NEJM AI, 2025)
• Woebot — प्रकाशित पायलट और RCT प्रमाण के साथ पहले का CBT-आधारित चैटबॉट
• Wysa — प्रकाशित प्रभावशीलता अध्ययनों के साथ CBT-सूचित चैटबॉट
• सामान्य LLM चैटबॉट्स (जैसे, ChatGPT) — चिकित्सीय उपयोग को मान्य करने वाले कोई नैदानिक ट्रायल नहीं

यह अंतर क्यों मायने रखता है

American Psychological Association ने चेतावनी दी है कि थेरेपी के विकल्प के रूप में उपयोग किए जाने वाले सामान्य AI चैटबॉट्स वास्तविक जोखिम पैदा कर सकते हैं, ठीक इसलिए क्योंकि उनमें उन नैदानिक सुरक्षा उपायों और मान्यता की कमी है जिनके आसपास विशेष रूप से बनाए गए टूल्स को इंजीनियर किया गया था। इस लेख में चर्चा किए गए सकारात्मक ट्रायल परिणाम संरचित, नैदानिक रूप से डिज़ाइन किए गए उत्पादों की एक संकीर्ण श्रेणी से संबंधित हैं — न कि किसी भी चैटबॉट से जिससे कोई व्यक्ति बात कर रहा हो।

प्रमाण की ईमानदार सीमाएँ

ऊपर का हर आँकड़ा वास्तविक ट्रायल्स से आता है, लेकिन उन ट्रायल्स के पीछे के शोधकर्ता इस बारे में स्पष्ट हैं कि डेटा वास्तव में कितनी दूर तक फैलता है — और इसे नज़रअंदाज़ करने के बजाय इसे सीधे स्वीकार करना उपयोगी है।

यहाँ वह है जो आज प्रमाण आधार को सीमित करता है:

1. अधिकांश शामिल अध्ययनों में उनके डिज़ाइन या रिपोर्टिंग में पूर्वाग्रह का उच्च जोखिम होता है।
2. GRADE फ्रेमवर्क का उपयोग करके, जो एक मानक है जिसका उपयोग शोधकर्ता निश्चितता को रेट करने के लिए करते हैं, समग्र प्रमाण गुणवत्ता को बहुत निम्न से निम्न तक श्रेणीबद्ध किया गया है।
3. सबसे बड़े मेटा-विश्लेषण में 31 अध्ययनों में से सत्रह में अटरिशन दर 20% से ऊपर थी, जिसका अर्थ है कि प्रतिभागियों का एक बड़ा हिस्सा पूरा होने से पहले ही बाहर हो गया।
4. 31 अध्ययनों में से केवल 15 ने कोई फॉलो-अप डेटा एकत्र किया, जो यह पुष्टि करने के लिए पर्याप्त नहीं है कि ट्रायल समाप्त होने के बाद लाभ बरकरार रहते हैं या नहीं।
5. पूरे मेटा-विश्लेषण में केवल तीन अध्ययनों ने विशेष रूप से जनरेटिव AI का परीक्षण किया, पुराने नियम-आधारित चैटबॉट्स के विपरीत — इसलिए टूल्स की नवीनतम पीढ़ी के लिए, बड़े पैमाने पर प्रभावशीलता, शोधकर्ताओं के अपने शब्दों में, अज्ञात बनी हुई है।

यहाँ तक कि Therabot के लेखकों ने भी, जिनके ट्रायल ने अब तक क्षेत्र में सबसे मज़बूत परिणाम दिए, यह निष्कर्ष निकाला कि कोई भी जनरेटिव AI एजेंट मानसिक स्वास्थ्य देखभाल में पूरी तरह से स्वायत्त रूप से काम करने के लिए तैयार नहीं है, और सुरक्षित तैनाती के लिए निकट चिकित्सक निगरानी आवश्यक बनी हुई है।

तो क्या एक AI मनोवैज्ञानिक आपके थेरेपिस्ट की जगह ले सकता है?

ऊपर की हर बात को देखते हुए, प्रमाण एक AI मनोवैज्ञानिक के लिए एक विशिष्ट, सीमित भूमिका का समर्थन करते हैं — न कि एक व्यापक हाँ या नहीं का।

प्रमाण के लिए एक यथार्थवादी भूमिका

आज उपलब्ध डेटा एक AI मनोवैज्ञानिक को एक कम लागत वाले, सुलभ पहले कदम या देखभाल के पूरक के रूप में समर्थन करता है — हल्के-से-मध्यम अवसाद और चिंता के लक्षणों के लिए, वास्तविक सत्रों के बीच मुकाबला कौशल का अभ्यास करने के लिए, और लंबी वेटलिस्ट या मानव थेरेपी में लागत बाधाओं का सामना करने वाले लोगों के लिए वास्तव में उपयोगी। यह एक AI मनोवैज्ञानिक को एक लाइसेंस प्राप्त चिकित्सक के प्रतिस्थापन के रूप में मानने का समर्थन नहीं करता, और यह स्पष्ट रूप से निदान, दवा प्रबंधन, आघात उपचार, या संकट देखभाल के लिए किसी पर निर्भर रहने का समर्थन नहीं करता।

प्रमाण जिसका समर्थन करते हैं:

• हल्के-से-मध्यम अवसाद या चिंता के लिए एक कम लागत वाला, सुलभ पहला कदम
• वास्तविक थेरेपी सत्रों के बीच मुकाबला कौशल का अभ्यास करने के लिए एक पूरक
• लंबी वेटलिस्ट या मानव देखभाल में लागत बाधाओं का सामना करने वाले लोगों के लिए एक अस्थायी उपाय

प्रमाण जिसका समर्थन नहीं करते:

• किसी मानसिक स्वास्थ्य स्थिति का निदान
• दवा प्रबंधन
• आघात उपचार
• संकट या आपातकालीन देखभाल

कोई भी जो यह तौल रहा है कि किसी एक को आज़माए या नहीं, वह उन्हीं सवालों पर काम कर सकता है जो शोध स्वयं उठाता है:

1. क्या आपके लक्षण गंभीर या जटिल के बजाय हल्के से मध्यम हैं?
2. क्या आप जिस टूल पर विचार कर रहे हैं वह मानसिक स्वास्थ्य के लिए विशेष रूप से बनाया गया है (जैसे Therabot, Woebot, या Wysa), या एक सामान्य चैटबॉट है?
3. क्या ज़रूरत पड़ने पर निदान या दवा के लिए आपके पास एक लाइसेंस प्राप्त चिकित्सक तक पहुँच है?
4. क्या आप इसका उपयोग थेरेपी को पूरक बनाने के लिए कर रहे हैं, या इसके पूर्ण विकल्प के रूप में?
5. क्या आप ज़रूरत पड़ने से पहले अपने स्थानीय संकट संसाधनों (988, 741741, 911) को जानते हैं?
6. क्या आप यह ट्रैक कर रहे हैं कि आपके लक्षण कुछ हफ़्तों में वास्तव में सुधर रहे हैं या नहीं, यह मानने के बजाय कि वे सुधर रहे हैं?

अक्सर पूछे जाने वाले प्रश्न