Najważniejsze
- •Qwen3-Omni analizuje jednocześnie obraz, dźwięk i treść wypowiedzi pacjenta, tworząc ocenę stanu psychicznego z pisemnym uzasadnieniem.
- •W badaniu na nagraniach ze standaryzowanymi pacjentami model uzyskał ogólne klasyfikacje diagnostyczne zbliżone do ocen zespołów psychiatrów.
- •System gorzej radził sobie z oceną wyglądu pacjenta i subtelnych cech motorycznych, dlatego zgodność diagnozy ogólnej nie oznacza pełnej poprawności badania.
- •Autorzy przedstawiają Qwen3-Omni jako narzędzie wspierające decyzje lekarza, a nie autonomicznego psychiatrę.
- •Przed ewentualnym wdrożeniem potrzebne są badania na rzeczywistych, zróżnicowanych pacjentach oraz jasne zasady odpowiedzialności, przejrzystości i nadzoru człowieka.
Naukowcy z UTHealth Houston i Yale opracowali model Qwen3-Omni, który w badaniu z udziałem standaryzowanych pacjentów osiągnął wyniki zbliżone do uzyskiwanych przez zespoły psychiatrów.
Naukowcy z UTHealth Houston i Yale opracowali multimodalny model sztucznej inteligencji Qwen3-Omni, który w badaniu z udziałem standaryzowanych pacjentów osiągnął wyniki diagnostyczne zbliżone do uzyskiwanych przez zespoły psychiatrów. Wyniki opublikowano 18 września 2026 roku w czasopiśmie „npj Mental Health Research”.
System analizuje jednocześnie obraz, dźwięk i treść wypowiedzi pacjenta. Badacze połączyli model Qwen3-Omni z oprogramowaniem do analizy nagrań wideo. Narzędzie bierze pod uwagę między innymi sposób mówienia, ton głosu, zachowanie oraz informacje z kolejnych wizyt. Następnie przygotowuje ocenę stanu psychicznego wraz z jej pisemnym uzasadnieniem.
Testy na standaryzowanych pacjentach
Model testowano na nagraniach ze standaryzowanymi pacjentami, czyli aktorami odgrywającymi przygotowane scenariusze kliniczne. Symulacje obejmowały schizofrenię, zaburzenia obsesyjno-kompulsyjne oraz chorobę afektywną dwubiegunową o różnym nasileniu.
AI i zespoły psychiatrów oceniały 10 elementów badania stanu psychicznego. Analiza obejmowała między innymi nastrój, wygląd, zachowanie i współpracę pacjenta, mowę, percepcję, myśli samobójcze, urojenia, obsesje i kompulsje, a także spójność i tempo procesów myślowych.
Autorzy poinformowali, że ogólne klasyfikacje diagnostyczne modelu były zbliżone do ocen lekarzy. System miał jednak trudności z precyzyjną oceną wyglądu pacjenta i subtelnych cech motorycznych. Oznacza to, że prawidłowa ocena ogólna nie gwarantowała właściwej interpretacji wszystkich elementów badania. W materiałach dotyczących badania brakuje szczegółowych danych statystycznych, które pozwoliłyby niezależnie ocenić stopień zgodności między AI a psychiatrami.
Narzędzie wsparcia, nie autonomiczny lekarz
Qwen3-Omni nie jest autonomicznym lekarzem. Autorzy opisują go jako narzędzie wspierające decyzje kliniczne w modelu human-in-the-loop, czyli z udziałem człowieka. Potencjalnie może ono pomagać lekarzom bez specjalizacji psychiatrycznej oraz personelowi pracującemu w miejscach z ograniczonym dostępem do specjalistów. System może też służyć do szkolenia studentów i początkujących klinicystów.
Psychiatria nadal opiera diagnozy głównie na obserwacji i rozmowie, ponieważ dysponuje niewielką liczbą obiektywnych biomarkerów. Obecne wyniki są jednak dowodem koncepcji, a nie potwierdzeniem gotowości systemu do wdrożenia.
Badanie nie obejmowało rzeczywistych pacjentów w kryzysie. Zastosowanie systemu wymagałoby także określenia zasad odpowiedzialności za błąd, przejrzystości uzasadnień oraz zabezpieczeń przed bezkrytycznym zaufaniem sugestiom algorytmu. Kolejnym etapem powinny być testy kliniczne w rzeczywistych i bardziej zróżnicowanych warunkach.
Jak Qwen3-Omni wspiera ocenę psychiatryczną
Opracowanie na podstawie opisu badania zawartego w artykule.
Qwen3-Omni a ocena psychiatryczna przez lekarzy
Qwen3-Omni
Zespół psychiatrów
Zakres testu i najważniejsze ograniczenia modelu
| Element | Informacja z badania |
|---|---|
| Typ danych | Nagrania ze standaryzowanymi pacjentami — aktorami odgrywającymi scenariusze kliniczne |
| Badane zaburzenia | Schizofrenia, zaburzenia obsesyjno-kompulsyjne, choroba afektywna dwubiegunowa |
| Oceniane obszary | 10 elementów badania stanu psychicznego |
| Porównanie | Qwen3-Omni versus zespoły psychiatrów |
| Ogólny wynik | Klasyfikacje diagnostyczne zbliżone do ocen lekarzy |
| Słabsze obszary | Wygląd pacjenta i subtelne cechy motoryczne |
| Najważniejsze ograniczenie | Brak testów na rzeczywistych pacjentach w kryzysie i brak szczegółowych danych statystycznych w dostępnych materiałach |
Źródło: informacje przedstawione w artykule; szczegółowe wartości statystyczne nie zostały podane.
Słownik pojęć
- Model multimodalny
- System AI, który przetwarza jednocześnie różne rodzaje danych, np. obraz, dźwięk i tekst.
- Standaryzowany pacjent
- Osoba, najczęściej aktor, odgrywająca wcześniej przygotowany scenariusz kliniczny w celu ujednolicenia badania lub szkolenia.
- Badanie stanu psychicznego
- Ustrukturyzowana ocena m.in. wyglądu, zachowania, mowy, nastroju, myślenia, percepcji i współpracy pacjenta.
- Human-in-the-loop
- Model organizacji pracy, w którym człowiek nadzoruje działanie systemu AI i podejmuje lub zatwierdza ostateczną decyzję.
- Dowód koncepcji
- Wstępne potwierdzenie, że rozwiązanie może działać, bez dowodu skuteczności, bezpieczeństwa i gotowości do rutynowego zastosowania klinicznego.
- Biomarker
- Mierzalna cecha biologiczna, która może dostarczać obiektywnej informacji o stanie zdrowia lub chorobie.
