メンタルヘルスのスクリーニングと評価におけるチャットボットの有効性: 系統的レビュー

背景: 精神的健康障害は世界中で 9 億 7,000 万人に影響を与えています。しかし、50% 以上が構造的な障壁や専門家不足のため、タイムリーな評価を利用できていません。チャットボットと AI ベースの会話エージェントは、メンタルヘルスのスクリーニングと評価のための有望なツールとして浮上しています。 目的: この研究では、成人のメンタルヘルスのスクリーニングと評価におけるチャットボットと AI ベースの会話エージェントの有効性、精度、信頼性、および受け入れ可能性を体系的に評価しました。 方法: PRISMA (系統的レビューおよびメタ分析のための優先報告項目) 2020 ガイドラインに従って、PubMed/MEDLINE、PsycINFO、Scopus、および Web of Science (2019 ～ 2025 年) にわたって 2025 年 5 月に体系的な検索が実施されました。適格な研究では、成人（18 歳以上）のメンタルヘルス スクリーニング/評価のためにチャットボットまたは AI を評価しました。バイアスのリスクは、適切なツール (バイアスのリスク 2、診断精度研究の品質評価 2、ジョアンナ ブリッグス研究所のチェックリスト、および混合方法評価ツール) を使用して評価されました。このシステマティック レビューは PROSPERO (International Prospective Register of Systematic Reviews; CRD420251072392) に登録されました。 結果: 18件の研究(2021年から2025年)が含まれ、サンプルの範囲は20人から3902人の参加者でした。ルールベースのチャットボットは、高い信頼性 (Cronbach α >0.85) と良好な受容性 (介入措置の受容性 >19/25) を実証しました。生成モデル（大規模言語モデル）は、うつ病と不安症について感度 0.84 ～ 0.93、特異度 0.80 ～ 0.96 を達成し、自殺リスク評価における専門臨床医との相関関係は最大 r=0.96 でした。大規模な言語モデルと機械学習を組み合わせたハイブリッド アプローチは、認知障害に対して優れたパフォーマンスを達成しました (F1 スコア 92.1%、特異度 99.6%)。ほとんどの研究では、高いユーザー満足度 (70% 以上) が報告されていますが、高齢者層には障壁が存在します。方法論の品質は不均一であり、重要な次元でバイアスが発生するリスクが中程度でした。 結論: チャットボットと AI 会話エージェントは、メンタルヘルスのスクリーニングと評価において臨床的に適切なパフォーマンスを示しています。ただし、安全に実施するには、明確な臨床プロトコル、専門家の監督、電子医療記録との統合、およびアルゴリズムによるバイアスの積極的な軽減が必要です。これらのテクノロジーは臨床判断に代わるものではなく、補完するものである必要があります。

BACKGROUND: Mental health disorders affect 970 million people globally; yet, over 50% do not access timely evaluation due to structural barriers and professional shortages. Chatbots and AI-based conversational agents have emerged as promising tools for mental health screening and assessment. OBJECTIVE: This study systematically evaluated the effectiveness, accuracy, reliability, and acceptability of chatbots and AI-based conversational agents for mental health screening and assessment in adults. METHODS: Systematic search conducted in May 2025 across PubMed/MEDLINE, PsycINFO, Scopus, and Web of Science (2019-2025), following PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 2020 guidelines. Eligible studies evaluated chatbots or AI for mental health screening/assessment in adults (≥18 y). Risk of bias was assessed using appropriate tools (Risk of Bias 2, Quality Assessment of Diagnostic Accuracy Studies-2, Joanna Briggs Institute checklists, and Mixed Methods Appraisal Tool). This systematic review was registered with PROSPERO (International Prospective Register of Systematic Reviews; CRD420251072392). RESULTS: Eighteen studies (2021-2025) were included, with samples ranging from 20 to 3902 participants. Rule-based chatbots demonstrated high reliability (Cronbach α >0.85) and good acceptability (Acceptability of Intervention Measure >19/25). Generative models (large language models) achieved sensitivities of 0.84 to 0.93 and specificities of 0.80 to 0.96 for depression and anxiety, with correlations up to r=0.96 with expert clinicians in suicide risk assessment. Hybrid approaches combining large language models with machine learning achieved exceptional performance for cognitive impairment (F1-score of 92.1%, specificity of 99.6%). Most studies reported high user satisfaction (≥70%), although barriers existed among older populations. Methodological quality was heterogeneous with a moderate risk of bias in critical dimensions. CONCLUSIONS: Chatbots and AI conversational agents demonstrate clinically relevant performance in mental health screening and assessment. However, safe implementation requires clear clinical protocols, professional supervision, integration with electronic health records, and active mitigation of algorithmic bias. These technologies should complement rather than replace clinical judgment.