Deltagarna fick, förutom att låta sig intervjuas av en AI-assistent, även fylla i standardiserade skattningsskalor för de nio vanligaste psykiatriska diagnoserna. Resultaten visade att AI-assistentens bedömningar stämde bättre överens med deltagarnas faktiska diagnoser än vad skattningsskalorna gjorde.
Till studien rekryterades personer med konstaterade diagnoser inom bland annat depression, ångest, tvångssyndrom, PTSD, ADHD, autism, ätstörningar, missbruk och bipolär sjukdom, samt en frisk kontrollgrupp. Alla fick genomföra ett digitalt samtal med AI-assistenten Alba, som ställde 15–20 öppna frågor om deras psykiska hälsa och därefter föreslog diagnoser utifrån DSM-5 – den internationellt använda manualen för psykiatriska diagnoser.
AI-assistenten hade högre träffsäkerhet i åtta av de nio diagnoserna, samt kunde bättre skilja mellan diagnoser som ofta överlappar. Exempelvis gav traditionella skattningsskalor ofta liknande utslag för depression och ångest, medan Albas bedömningar tydligare kunde särskilja tillstånden. Deltagarna beskrev också användarupplevelsen som positiv – många upplevde AI-assistenten som empatisk, relevant och stödjande.
– En intervju som kan göras i en trygg hemmiljö innan man träffar en kliniker har ett stort värde. Resultaten pekar på ett skalbart, personcentrerat komplement som kan avlasta vården och ge en preliminär bedömning, utan att ersätta psykologen eller läkaren, säger Sverker Sikström, professor i psykologi som leder forskargruppen bakom studien vid Lunds universitet och grundare av företaget Talk To Alba.
Analyserar hela diagnosmanualen – inte bara enstaka tillstånd
Studien markerar, enligt Sikström, ett tydligt steg framåt inom forskningen om digitala bedömningsverktyg för psykisk hälsa. Tidigare studier har ofta begränsats till att analysera enstaka diagnoser eller saknat tydliga motiveringar utifrån diagnostiska kriterier, medan Alba kan föreslå och motivera samtliga diagnoser som ingår i DSM-manualen.