Цифровая КПТ бессонницы и ИИ-чатботы: что измерили в исследованиях
У цифровой КПТ бессонницы есть клинические результаты. У генеративных диалоговых систем есть результаты другого рода. Если смешать их, получится красивое обещание, по которому трудно выбрать подходящий инструмент.
Мета-анализ Hwang с коллегами объединил 29 рандомизированных испытаний с 9 475 участниками. В них изучали полностью автоматизированную цифровую когнитивно-поведенческую терапию бессонницы, или CBT-I. А Bao с коллегами сравнили восемь языковых моделей на задачах диалога о CBT-I. В первом случае измеряли симптомы. Во втором проверяли ответы.
Что показали испытания цифровых программ
CBT-I работает с привычками и убеждениями, которые поддерживают бессонницу. В протокол входят контроль стимулов и изменение времени в постели, когнитивная работа, расслабление и обучение правилам сна. Цифровая программа может выдавать упражнения и собирать дневник по заранее заданной схеме.
Hwang определяет полностью автоматизированную CBT-I как программу без сопровождения терапевта, независимо от платформы. Генеративный чатбот для этого не требуется. В испытаниях участвовали взрослые с диагностированной бессонницей или жалобами на неё, а сравнение проводили с разными условиями: ожиданием, обучением гигиене сна и CBT-I с поддержкой специалиста.
Сразу после курса объединённая стандартизированная разница в тяжести бессонницы составила SMD = -0,71 (95% ДИ от -0,88 до -0,54; 32 сравнения). Отрицательное значение здесь означает преимущество автоматизированной программы. Оно не означает, что бессонница уменьшилась на 71% или что выздоровели 71% участников.
Исследования заметно различались, I² = 91%. Условие сравнения влияло на результат. В отдельных сравнениях CBT-I с поддержкой терапевта оказалась эффективнее полностью автоматизированной (SMD = 0,61; 95% ДИ от 0,37 до 0,85).
| Когда измеряли симптомы | Объединённый SMD | Число сравнений |
|---|---|---|
| Сразу после курса | -0,71 | 32 |
| До 3 месяцев включительно | -0,54 | 7 |
| Более 3 и до 6 месяцев | -0,54 | 10 |
| Более 6 месяцев | -0,76 | 4 |
Долгосрочная категория начинается после шести месяцев. В ней всего четыре сравнения, и оценка говорит в пользу сохранения эффекта, но статистически значимого различия между периодами наблюдения авторы не нашли (p = 0,24). Поэтому обещание, что через год эффект усиливается, из этих данных не следует.
Курс в среднем завершили 59,3% участников. Метарегрессия не выявила значимой связи между долей завершивших и размером эффекта (p = 0,310). Авторы предлагают лучше измерять приверженность упражнениям. По этому результату ещё нельзя установить, какие именно действия улучшили сон.
Что добавляет эксперимент с восемью LLM
Команда Bao построила диалоговую систему eCBT-I с RAG: перед ответом модель получает подходящий материал из базы знаний по CBT-I. Для адаптации и проверки использовали 2 387 отобранных записей диалогов: 1 909 для обучения, по 239 для валидации и теста.
Сравнивали варианты ChatGLM, Baichuan, Qwen и Llama со стратегиями LoRA, QLoRA и Freeze. В этой постановке лучше выступила Qwen2-7b с Freeze. Авторы сообщают BLEU-4 = 0,2097 и точность C-eval = 0,8076.
BLEU оценивает сходство с эталонным текстом, C-eval проверяет знания на бенчмарке. Сон пациента эти показатели не измеряют. Но инженерный результат полезен: подготовка модели и данные под задачу меняют качество ответов, а одного числа параметров для выбора модели мало. Смежный эксперимент разбираем в статье о небольших моделях.
Что означает оценка 91,2%
В работе Bao есть ручная оценка потенциального вреда сгенерированных ответов. На высшую оценку безвредности пришлось 91,2% сообщённых оценок, средний балл составил 4,89 из 5. Две категории вредных ответов в этой выборке не отметили.
В описании есть несогласованность единиц: сначала авторы пишут о 180 симулированных сессиях, а затем о среднем по 200 раундам диалога. Превращать это в точную долю пациентов, которым гарантированно не навредило лечение, было бы подменой. Оценивали содержание. Клинических исходов здесь нет.
Авторы предлагают проверить эффективность в многоцентровых испытаниях. Именно этого звена пока не хватает между качественным ответом в бенчмарке и выводом о лечении: техническая проверка помогает подготовить исследование, но результат самого исследования придётся получить отдельно, на людях, с подходящим сравнением и измерением симптомов после курса.
Как выбрать формат работы со сном
Начните с простого вопроса, что именно вам предлагают. Структурированный курс CBT-I или разговор о сне? Для курса ищите испытание этой программы, описание участников и измеренный результат. Для чатбота нужны данные о самом чатботе.
Например, записать время засыпания и подъёма в дневник это одна задача. Рассчитать по дневнику лечебное расписание уже другая. Обе могут выглядеть как переписка, интерфейс тут ничего не доказывает. План ограничения времени в постели лучше обсуждать с квалифицированным специалистом.
Рядом предлагает эмоциональную поддержку и самопомощь; исследования Hwang и Bao не проверяли Рядом как лечение бессонницы. Описание возможностей есть на странице фактов.
Часто задаваемые вопросы
Эти работы доказывают, что ИИ-чатбот лечит бессонницу?
Мета-анализ Hwang оценивает автоматизированные цифровые программы CBT-I. Эксперимент Bao проверяет диалоги LLM и способы адаптации моделей. Рандомизированного сравнения результатов лечения у пациентов во второй работе нет.
Как долго сохранялся эффект цифровой CBT-I?
Оценки говорили в пользу программы и в категории более шести месяцев, куда вошли четыре сравнения. Значимых различий размера эффекта между периодами наблюдения не обнаружили.
Qwen2-7b лучше остальных во всех задачах о сне?
Она оказалась лучшей в конкретном наборе данных и способе оценки Bao при адаптации Freeze. Для другого языка или аудитории результат нужно проверять отдельно.
Связанные материалы: промпт-инженерия для чатботов и обзор исследований разговорных агентов.
Источники
Hwang, J. W., et al. (2025). Systematic review and meta-analysis on fully automated digital cognitive behavioral therapy for insomnia. npj Digital Medicine, 8, 159.
Bao, X., et al. (2025). eCBT-I dialogue system: A comparative evaluation of large language models and adaptation strategies for insomnia treatment. Journal of Translational Medicine, 23, 862.