کاربرد نسخه‌های GPT‑۵ در مرورهای نظام‌مند روان‌پزشکی دیجیتال: مطالعه اثبات مفهوم مرحله‌به‌مرحله

خلاصه سریع برای خواننده

• مطالعه‌ای اثبات مفهوم مقایسه سه حالت GPT‑۵ (Auto، Agent، Deep Research) را با یک فرآیند مرجع انسانی در یک مرور نظام‌مند روان‌پزشکی دیجیتال بررسی کرد.
• هر حالت GPT‑۵ در برخی وظایف مشخص مثل تعریف معیارهای ورود، اسکرینینگ متنی و خلاصه‌سازی عملکرد قابل اتکایی نشان داد اما محدودیت‌هایی داشت.
• هیچ موردی از تولید اطلاعات ساختگی مطالعه‌ای (hallucination) در ممیزی ساختاری گزارش نشد، اما استخراج دقیق اعداد و ارزیابی کیفیت هنوز محدود است.
• پیشنهاد شده که مدل‌ها تحت چارچوب “ماژولار و انسان‌درمیان” استفاده شوند؛ یعنی ابزار پشتیبان تصمیم با نظارت پژوهشگر باشند، نه جایگزین کامل انسان.
• نتایج قابل تعمیم محدود به این مطالعه موردی بودند؛ پژوهش‌های بیشتر لازم است تا دستورالعمل‌های عملی و استانداردها شکل بگیرند.

مقدمه

مرورهای نظام‌مند (Systematic Literature Reviews – SLRs) نقش مهمی در جمع‌بندی شواهد علمی دارند، اما اجرای دقیق آن‌ها زمان‌بر و نیروی انسانی‌بر است. در سال‌های اخیر، مدل‌های زبانی بزرگ (LLMs) مانند سری GPT توسعه یافته‌اند که قادر به تولید متن و انجام وظایف زبان‌محور هستند. مطالعه‌ای که در مجله PLOS Digital Health منتشر شده است، به‌عنوان یک اثبات مفهوم بررسی کرده که چگونه سه حالت مختلف GPT‑۵ می‌توانند در مراحل مختلف یک مرور نظام‌مند در حوزه روان‌پزشکی دیجیتال به‌عنوان ابزار کمکی عمل کنند. هدف این مقاله در سایت “پزشک سایت” ارائه تحلیلی دقیق، متوازن و قابل استفاده برای پژوهشگران و پزشکان درباره نتایج، محدودیت‌ها و کاربردهای بالینی و پژوهشی این رویکرد است.

چه کاری انجام شد؟ — روش کلی مطالعه

محققان یک مرور ثبت‌شده (PROSPERO CRD42025648122) در حوزه روان‌پزشکی دیجیتال را به‌عنوان پرونده موردی انتخاب کردند و یک چارچوب مرحله‌به‌مرحله را برای اجرای نه وظیفه اساسی SLR توسعه دادند. این نه وظیفه شامل موارد زیر بود:

• جستجوی اولیه منابع
• تدوین پرسش پژوهشی و معیارهای شمول/حذف
• توسعه استراتژی جستجو
• اسکرینینگ مقالات (بر اساس عنوان/چکیده و متن کامل)
• استخراج داده‌ها
• خلاصه‌سازی مقالات
• ارزیابی انتقادی کیفیت مطالعات
• سنتز توصیفی نتایج
• کنترل تولید مطالب ساختگی (hallucination auditing)

سه حالت GPT‑۵ تحت عنوان‌های Auto، Agent و Deep Research با استفاده از رابط ChatGPT و یک مجموعه از پرامپت‌های ساختاریافته (RISEN prompts) برای هر مرحله به‌کار گرفته شدند. نتایج هر مرحله با یک فرآیند مرجع انسانی مبتنی بر توافق بررسی و مقایسه شد. ارزیابی عملکرد شامل سنجه‌هایی مانند دقت، حساسیت، اختصاصیت، میزان توافق بین ارزیابان، انطباق گزارش‌دهی و پایش خطاها بود.

یافته‌های اصلی

قابلیت اجرا و عملکرد کلی

همه سه حالت GPT‑۵ در سراسر مراحل SLR قابل اجرا بودند، اما عملکرد آن‌ها بسته به نوع وظیفه متفاوت بود. بطور کلی، مدل‌ها به‌عنوان ابزار پشتیبان قابل بهره‌برداری تشخیص داده شدند و نه جایگزین کامل انسان.

عملکرد اختصاصیِ حالت‌ها

• Auto mode: در وظایف ساختاری و قانون‌مند مانند ایجاد معیارهای شمول/حذف و تولید خروجی‌های آماده‌اجرا، عملکرد بهتری نشان داد. این حالت برای خروجی‌های سریع و سازگار مفید بود.
• Agent mode: در وظایف نیازمند ادغام مفهومی، تفسیر و تولید پرسش پژوهشی یا ارزیابی‌های انتقادی، عملکرد برجسته‌تری داشت. این حالت توانایی ترکیب دیدگاه‌ها و تولید توضیحات معنایی مناسب‌تر را نشان داد.
• Deep Research mode: نزدیک‌ترین حالت به منطق انسانی برای سنتز سطح بالاتر بود؛ در اسکرینینگ متن کامل، خلاصه‌سازی مقالات و سنتز روایی نتایج بهتر عمل کرد.

مشکلات و محدودیت‌های عملکردی

اگرچه در ممیزی ساختارمند هیچ مورد تولید مطالعهٔ ساختگی گزارش نشد، اما استخراج دقیق داده‌های عددی (مثلاً نتایج آزمون‌ها، اندازه اثرها) و ارزیابی دقیق کیفیت روش‌شناختی مطالعات، محدودیت‌هایی داشت. به عبارت دیگر، مدل‌ها در تحلیل‌های کمی و سنجش‌های دقیق روش‌شناسانه هنوز قابل اعتمادِ کامل شناخته نشدند.

کاربردهای عملی برای پژوهشگران و بالینگران

نتایج نشان می‌دهد که می‌توان از مدل‌های GPT‑۵ به‌عنوان ابزار پشتیبان مرحله‌ای در جریان تهیه مرور نظام‌مند استفاده کرد. نمونه کاربردها عبارتند از:

• تولید سریع پیش‌نویس معیارهای شمول/حذف و استراتژی‌های جستجو (به ویژه در حالت Auto).
• کمک به تدوین پرسش پژوهشی و چارچوب مفهومی اولیه (Agent).
• خلاصه‌سازی متون و تهیه چکیده‌های توصیفی برای بازبینی سریع (Deep Research).
• افزایش کارآیی تیم‌های پژوهشی با یک فرآیند انسان‌درمیان (human-in-the-loop) که خروجی‌ها را بازبینی و تصحیح می‌کند.

این یافته برای بیمار چه معنایی دارد؟

برای بیماران و عموم، مهم است بدانند که این تحقیق مربوط به روش پژوهش است، نه درمان یا مداخله بالینی. کاربرد عملی این یافته به صورت غیرمستقیم می‌تواند مفید باشد:

• افزایش سرعت و کارایی مرورهای نظام‌مند می‌تواند به انتشار سریع‌تر و به‌روزتر شواهد علمی منجر شود که در نهایت به تصمیم‌گیری بهتر بالینی کمک کند.
• با این حال، چون مدل‌ها به‌تنهایی جایگزین داوری تخصصی نیستند، توصیه‌های درمانی یا تغییری در مسیر مراقبت باید بر پایه مرورهای تأییدشده و تصمیم‌گیری پزشک باشد.
• بنابراین بیماران نباید تغییر در دارو یا درمان خود را براساس نتایج احتمالی چنین مرورهایی اعمال کنند؛ همیشه با پزشک یا تیم مراقبت سلامت مشورت شود.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

• نمونه واحد و طراحی اثبات مفهوم: این مطالعه یک پرونده مروری مشخص (یک مرور ثبت‌شده در روان‌پزشکی دیجیتال) را بررسی کرد؛ یافته‌ها ممکن است قابل تعمیم به تمام حوزه‌ها یا همه انواع مرورها نباشند.
• تفاوت میان وظایف: عملکرد متغیر بین وظایف نشان می‌دهد که برخی بخش‌های SLR برای کمک‌گیری از مدل‌ها مناسب‌ترند و برخی دیگر نیاز به بررسی انسانی بیشتری دارند.
• محدودیت در داده‌های عددی و ارزیابی کیفیت: مدل‌ها در استخراج دقیق نتایج کمی و در قضاوت‌های عمیق روش‌شناختی محدود بودند؛ بنابراین برای نتیجه‌گیری‌های کمی یا متاآنالیز باید محتاط بود.
• پایش تولید مطالب ساختگی: گرچه ممیزی ساختاری گزارش داد که مورد ساختگی دیده نشده است، تضمین دائمی عدم تولید اطلاعات نادرست نیازمند پروتکل‌های نظارتی و نگهداری سوابق است.
• نیاز به چارچوب اخلاقی و حقوقی: استفاده از مدل‌ها در پژوهش‌های پزشکی نیازمند در نظر گرفتن حریم خصوصی، مالکیت فکری و شفافیت در گزارش‌دهی است.
• وابستگی به پرامپت‌ها و تنظیمات: کیفیت خروجی‌ها به دقت پرامپت‌ها و نحوه کاربری مدل وابسته است و این خود نیاز به آموزش و دستورالعمل دارد.

نوع مطالعه و محدودیت روش‌شناختی

این کار یک مطالعه مقایسه‌ای مرحله‌به‌مرحله اثبات مفهوم بود که از روش‌های کیفی و کمی برای ارزیابی عملکرد سه حالت GPT‑۵ در برابر فرآیند مرجع انسانی بهره برد. از آنجا که تمرکز بر یک مرور ثبت‌شده بود و بررسی‌ها مبتنی بر یک چارچوب خاص صورت گرفت، نمی‌توان آن را به‌عنوان یک آزمایش تصادفی کنترل‌شده با نمونه بزرگ دانست. همچنین، نتایج وابسته به نسخه و پیکربندی خاص GPT‑۵ مورد استفاده و پرامپت‌های طراحی‌شده‌اند؛ تغییر این پارامترها می‌تواند خروجی‌ها را تغییر دهد.

نظر تحریریه پزشک سایت

این مطالعه یک گام مهم در تحلیل کاربردهای مدل‌های زبانی پیشرفته در فرآیندهای پژوهشی پزشکی است. نقطه قوت آن طراحی مرحله‌به‌مرحله و مقایسه با مرجع انسانی است که به درک بهتر نقاط قوت و ضعف مدل‌ها کمک می‌کند. با این حال، ما در «پزشک سایت» تأکید می‌کنیم که نتیجه‌گیری‌ها باید محتاطانه تعبیر شوند: این ابزارها می‌توانند کارایی و سرعت را در برخی مراحل افزایش دهند، ولی در وظایف نیازمند قضاوت عمیق روش‌شناختی و تحلیل کمی هنوز نباید به‌عنوان جایگزین تخصص انسانی قلمداد شوند. توصیه ما این است که تیم‌های پژوهشی چارچوب‌های بازبینی داخلی و ممیزی خروجی‌ها را طراحی کنند و بهره‌گیری از این ابزارها را با سیاست‌های گزارش‌دهی شفاف همراه سازند.

چه زمانی باید با پزشک مشورت کرد؟

این مقاله درباره روش‌های پژوهشی است، اما اگر شما بیمار یا خانواده بیمار هستید، در شرایط زیر باید مستقیماً با پزشک یا تیم درمانی مشورت کنید:

• وقتی اطلاعات پژوهشی جدیدی درباره دارو یا درمانی می‌خوانید و قصد تغییر دارو یا توقف آن را دارید.
• اگر پرسش‌ها یا نگرانی‌هایی مربوط به درمان‌های روان‌درمانی، دارودرمانی یا مداخلات دیجیتال سلامت دارید، مخصوصاً در موارد بارداری، قلبی، کودکان، سرطان یا عفونت‌ها.
• در مواقع اضطراری یا علائم نگران‌کننده مانند افکار خودآسیب‌رسانی، تغییر ناگهانی وضعیت روانی یا علائم فیزیکی جدی.
• وقتی محتوا یا نتیجهٔ یک مرور یا مقاله به‌طرز قابل‌توجهی با مراقبت فعلی شما تفاوت دارد؛ پزشک می‌تواند راهنمایی کند که آیا شواهد جدید برای شما مربوط و قابل اجرا است یا خیر.

پرسش‌های رایج

۱. آیا این مطالعه می‌گوید مدل‌های زبانی می‌توانند مرور نظام‌مند را خودکار کنند؟

خیر. مطالعه نشان می‌دهد مدل‌ها می‌توانند در برخی مراحل به‌عنوان ابزار پشتیبان مفید باشند، اما هنوز به نظارت انسانی و بازبینی دقیق نیاز دارند و جایگزین کامل نیستند.

۲. آیا یافته‌ها نشان از خطر تولید اطلاعات ساختگی (hallucination) دارد؟

در ممیزی ساختاری این خاص مورد مشاهده نشد، اما ریسک تولید اطلاعات نادرست همیشه وجود دارد و باید با پروتکل‌های کنترل کیفیت و بازبینی انسانی مدیریت شود.

۳. آیا این نتایج برای همه حوزه‌های پزشکی قابل تسری است؟

خیر. این مطالعه بر یک مرور در حوزه روان‌پزشکی دیجیتال متمرکز بود؛ برای تعمیم نتایج به زمینه‌های دیگر نیاز به مطالعات تکمیلی است.

۴. چگونه پژوهشگران باید این ابزارها را در کار خود وارد کنند؟

به‌صورت مرحله‌ای و تحت چارچوب «ماژولار و انسان‌درمیان»: هر خروجی مدل باید توسط یک پژوهشگر باتجربه بررسی و مستندسازی شود، و پروتکل گزارش‌دهی و ممیزی تعیین گردد.

۵. آیا استفاده از این ابزارها به صرفه‌جویی در زمان منجر می‌شود؟

بله. مطالعه نشان داد که در مراحل خاصی مانند تولید پیش‌نویس معیارها یا خلاصه‌سازی اولیه، ابزارها می‌توانند کارآیی را افزایش دهند، ولی زمان صرف‌شده برای بازبینی و اعتبارسنجی خروجی‌ها نیز باید در نظر گرفته شود.

جمع‌بندی کاربردی

این مطالعه اثبات مفهوم نشان می‌دهد که نسخه‌های GPT‑۵ می‌توانند به‌عنوان ابزارهای پشتیبانی مرحله‌ای در مرورهای نظام‌مند روان‌پزشکی دیجیتال مفید باشند. هرچند عملکرد به نوع وظیفه و حالت مدل وابسته است: Auto برای وظایف ساختاری، Agent برای ادغام مفهومی و ارزیابی معنایی، و Deep Research برای سنتز‌های سطح بالاتر مناسب‌تر بودند. با این حال، محدودیت‌های مهمی در استخراج داده‌های کمی و ارزیابی عمیق کیفیت مطالعات وجود دارد که استفاده بدون نظارت انسانی را نامناسب می‌سازد. توصیه می‌شود پژوهشگران چارچوب‌های شفاف گزارش‌دهی، ممیزی خروجی‌ها و سیاست‌های حفظ کیفیت را پیش از به‌کارگیری عملی پیاده‌سازی کنند.

منبع

Leveraging prompt-driven generative AI for systematic reviews in digital psychiatry: A stage-matched comparative proof-of-concept for healthcare researchers and clinicians. PLOS Digital Health, 2026. DOI: https://doi.org/10.1371/journal.pdig.0001666

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.