Jak sztuczna inteligencja wspiera zaangażowanie w cyfrową terapię? Czego nauczyła nas nowa randomizowana próba kliniczna

📌 Nota o artykule: Poniższy tekst jest analizą badania naukowego opublikowanego w Journal of Medical Internet Research. Nie stanowi on rekomendacji dotyczącej produktu Therapy Support. Artykuł ma na celu omawianie implikacji badań naukowych dla praktyków. Wszelkie decyzje dotyczące wdrażania narzędzi powinny być podejmowane na podstawie profesjonalnego osądu terapeuty.

Jedną z największych zagadek współczesnego zdrowia psychicznego brzmi banalnie: jeśli mamy dostęp do terapii online, dlaczego ludzie jej nie używają? To nie jest pytanie retoryczne. Cyfrowe narzędzia wspierające poznawczo-behawioralną terapię (CBT) mogą być równie skuteczne jak tradycyjne podejście - ale tylko wtedy, gdy pacjent rzeczywiście ich używa. Okazuje się jednak, że jest to zagadnienie znacznie bardziej skomplikowane niż mogłoby się wydawać. W ostatnich miesiącach pojawiło się badanie, które systematycznie testuje, czy sztuczna inteligencja - konkretnie: naturalne przetwarzanie języka oraz spersonalizowana zwrotna informacja - może zmienić tę dynamikę. Wyniki opublikowane w Journal of Medical Internet Research (JMIR) w styczniu 2026 roku dają ciekawe wskazówki dla każdego, kto myśli o przyszłości cyfrowych interwencji w psychoterapii.

O jakim badaniu mówimy?

Zespół japońskich naukowców (So, Sekizawa, Hashimoto i współpracownicy) przeprowadził randomizowaną próbę kliniczną (RCT), porównując trzy warunki terapii dla depresji:

Cyfrowy workbook oparty na CBT (grupa kontrolna)
Cyfrowy workbook + wsparcie AI z naturalnym przetwarzaniem języka i automatyczną zwrotną informacją
Trzeci wariant (szczegóły zależą od pełnego tekstu badania)

Badanie trwało 6 tygodni. Uczestnicy - osoby z umiarkowanymi objawami depresji (wynik skali PHQ-9 wynoszący co najmniej 9 punktów) - pracowali samodzielnie z narzędziem, bez wsparcia terapeuty.

Pytanie, które czekało na odpowiedź

Czy pacjenci częściej i dłużej będą używać narzędzia wspieranego przez AI? A jeśli tak - czy wyższa wytrwałość w leczeniu przełoży się na lepsze wyniki kliniczne (mniejsze objawy depresji)?

Wyniki: Paradoks zaangażowania

Tutaj pojawia się coś warte głębszego zastanowienia. Zaangażowanie pacjentów: znacznie wyższe w wersji wspieranej przez AI Pacjenci korzystający z wersji wspieranej przez AI:

Zalogowali się do narzędzia znacznie więcej razy
Spędzili w aplikacji istotnie więcej czasu
Wykazali wyższe wskaźniki wytrwałości w leczeniu

To obserwacja ważna. Wytrwałość w leczeniu (adherencja) to jedno z największych ograniczeń cyfrowych interwencji - jeśli pacjent nigdy się nie zaloguje, żadna zawartość i żaden algorytm go nie wspomogą. Wyniki kliniczne: porównywalne między grupami Tu ujawnia się jednak sedno problemu. Pomimo znacznie wyższej wytrwałości w leczeniu, zmniejszenie objawów depresji (wynik PHQ-9) było porównywalne między grupą wspieraną przez AI a grupą kontrolną. Innymi słowy: więcej czasu w aplikacji to nie gwarancja lepszych wyników zdrowotnych. Co to oznacza?

Czytając między wierszami

Jako zespół Therapy Support analizujemy to badanie z zainteresowaniem - i z pewnymi zastrzeżeniami. Po pierwsze: Zaangażowanie to warunek konieczny, ale niewystarczający Owszem, AI potrafi zwiększać wytrwałość w leczeniu. To istotne odkrycie - chroniczny problem cyfrowych interwencji to rezygnacja pacjentów. Jeśli AI sprawia, że ludzie pozostają dłużej w narzędziu, to już stanowi wartość. Ale samo zaangażowanie nie jest celem. Pacjent może spędzić godziny w aplikacji, a jego objawy depresji mogą się nie zmienić - albo nawet pogorszyć. To może oznaczać kilka rzeczy:

że samo-kierowana cyfrowa interwencja ma naturalne ograniczenia skuteczności - niezależnie od tego, jak zaangażujący będzie interfejs
że czas spędzony w narzędziu nie mówi nam nic o jakości pracy, którą pacjent wykonuje
że AI wspiera zaangażowanie, ale niekoniecznie wspiera proces terapeutyczny

Po drugie: Naturalne przetwarzanie języka a zwrotna informacja - jak głębokie mogą pójść? Z artykułu naukowego nie wynika dokładnie, na ile personalizowana była ta zwrotna informacja. Czy AI rzeczywiście rozumiało kontekst pacjenta? Czy generowało uniwersalne, sprytnie sformułowane odpowiedzi? To kluczowe pytanie dla każdego, kto buduje narzędzia wspierane przez AI w zdrowiu psychicznym. Po trzecie: Różnica między samo-kierowaną a wspieraną terapią To badanie testowało czystą samo-kierowaną interwencję - pacjent pracował w samotności przez 6 tygodni. To ważne ograniczenie. Badanie nie testowało narzędzi wspierających terapeuta podczas sesji terapeutycznych, tylko samodzielną pracę pacjenta. W rzeczywistości pacjenci pracujący z systemami wspieranymi przez AI mogą pracować w kontekście terapii - terapeuta zna sytuację pacjenta, potrafi interpretować zwrotną informację, dostosowywać ją, uczestniczyć w procesie. To ważne rozróżnienie: badanie dotyczy samo-kierowania, a możliwe zastosowania narzędzi AI w praktyce są szersze.

Obserwacje z badania dla praktyków

Badanie to sugeruje kilka istotnych kwestii, warte rozważenia w kontekście pracy z pacjentami: ✅ AI może wspierać wytrwałość pacjentów - interfejs wspierany przez sztuczną inteligencję będzie bardziej responsywny i interaktywny niż statyczny workbook. To ma znaczenie dla pacjentów, którzy walczą z utrzymaniem regularnego kontaktu z narzędziem. ✅ Zaangażowanie to warunek, nie wynik - wytrwałość w leczeniu jest ważna, ale sama w sobie nie gwarantuje zmian w objawach. Istotna jest jakość pracy pacjenta w narzędziu i sposób, w jaki terapeuta pracuje z zebranym materiałem. ✅ Kontekst terapeutyczny ma znaczenie - badanie testowało samo-kierowanie. W rzeczywistej praktyce terapeutycznej, gdzie terapeuta zna pacjenta, rozmawia z nim, dostosowuje podejście - dynamika może być zupełnie inna. ⚠️ Naturalne przetwarzanie języka to nie to samo co empatia czy zrozumienie - AI potrafi generować zwrotną informację, która brzmi wspierająco i jest dostosowana do kontekstu. Ale pytanie, czy ta informacja rzeczywiście wspiera proces terapeutyczny, czy tylko daje iluzję wsparcia - pozostaje otwarte i wymaga dalszych badań.

Pytania, które sobie zadajemy

Analizując to badanie, pytamy się o kilka rzeczy: Pytanie 1: Jak mierzyć wartość zaangażowania? Tradycyjnie patrzymy na wytrwałość w leczeniu jako na miarę powodzenia. Ale czy pacjent, który spędza więcej czasu w aplikacji, ale nie osiąga zmian w objawach - jest “lepszym wynikiem” niż pacjent, który spędza mniej czasu, ale dokonuje autentycznej zmiany w swoim myśleniu? Być może potrzebujemy bardziej wyrafinowanych metryk - takich jak jakość pracy, głębokość refleksji, czy rzeczywiście zachodzą zmiany w przekonaniach. Pytanie 2: Czy AI powinno przyciągać zaangażowanie, czy wspierać rezultaty? To różne cele. Pierwsza strategia (zwiększanie zaangażowania) jest łatwiej wdrożyć i zmierzyć. Druga (wspieranie rezultatów) wymaga głębszego rozumienia procesu terapeutycznego. Być może powinniśmy najpierw zapytać: co jest naszym rzeczywistym celem? Czy to aplikacja, którą pacjent polubi i będzie używać? Czy to narzędzie, które wspiera realną zmianę? Pytanie 3: Jakie miejsce zajmuje terapeuta w tej równości? Badanie testowało czystą samo-kierowaną interwencję. Ale większość terapii to współpraca między pacjentem a terapeutą. AI mogłoby wspierać tę współpracę - organizując materiał, sugerując struktury, wskazując detale, które mogą być istotne. To byłoby inne zastosowanie niż “AI jako terapeuta proxy”. Pytanie: jakie byłyby wyniki, gdyby AI wspierał prawdziwego terapeutę w pracy z pacjentem?

Czytając dalej

To badanie nie jest ostatecznym słowem na temat AI w cyfrowej terapii. Jest raczej kamikiem milowym - i przypomnieniem, że samo-kierowana interwencja, niezależnie od technologii, ma naturalne ograniczenia. Dla nas, jako zespołu zainteresowanego wsparciem pracy terapeutów poprzez technologię, badanie to sugeruje coś istotnego: jeśli AI ma wspierać terapię, powinno wspierać terapeuta i pacjenta w procesie, a nie zastępować ten proces. Badanie So, Sekizawy i zespołu pokazuje, że zaangażowanie wzrasta. To obserwacja ważna. Pokazuje również, że samo zaangażowanie to za mało. To przypomina nam, że każde narzędzie - bez względu na technologię - musi być osadzone w autentycznym procesie terapeutycznym. I być może to jest najważniejsza lekcja z tego badania.

Źródło:

So, M., Sekizawa, Y., Hashimoto, S., Kashimura, M., Yamakage, H., & Watanabe, N. (2026). Effect of AI-Based Natural Language Feedback on Engagement and Clinical Outcomes in Fully Self-Guided Internet-Based Cognitive Behavioral Therapy for Depression: 3-Arm Randomized Controlled Trial. Journal of Medical Internet Research, 28(1), e76902. https://www.jmir.org/2026/1/e76902

Artykuł przygotowany przez zespół Therapy Support. Stanowiska wyrażone w tym tekście odzwierciedlają naszą analizę badań w dziedzinie AI i psychoterapii. Nie stanowią rekomendacji medycznych ani porad klinicznych. Artykuł podległ kontroli redaktora językowego, korektora oraz recenzenta regulacyjnego.