Courtesy of Forbes

Metode Baru Meningkatkan AI dalam Diagnosis Kesehatan Mental dengan Akurasi Lebih Tinggi

Meningkatkan kemampuan AI dan LLM dalam memberikan penilaian kesehatan mental yang lebih akurat dan bertanggung jawab melalui metode inovatif seperti dynamic prompt engineering dan weighted transformer architecture, untuk mengurangi kesalahan diagnosis dan dampak negatif di masyarakat.

21 Nov 2025, 15.15 WIB

70 dibaca

Ikhtisar 15 Detik

Pentingnya pengembangan AI yang akurat dalam penilaian kesehatan mental.
DynaMentA menunjukkan potensi signifikan dalam meningkatkan akurasi diagnosis kesehatan mental.
Kritik terhadap AI dalam bidang kesehatan mental menyoroti kebutuhan untuk tindakan pencegahan yang lebih baik.

tidak spesifik disebutkan, kemungkinan global - Banyak orang kini mengandalkan AI seperti ChatGPT dan sejenisnya untuk mendapatkan nasihat kesehatan mental. Namun, mereka sering mengalami masalah seperti AI yang tidak mampu mendeteksi gangguan mental dengan akurat, yang dapat menyebabkan penilaian salah dan berbahaya. Penulis menunjukkan bahwa AI yang ada cenderung menghindari false positive, tapi ini turut meningkatkan false negative yang bermasalah.

Untuk mengatasi masalah itu, sebuah penelitian baru yang disebut DynaMentA memperkenalkan metode dinamis dalam mengolah permintaan pengguna agar AI bisa memahami konteks psikologis lebih baik. Teknologi ini memanfaatkan kombinasi dua sistem AI lain, BioGPT dan DeBERTa, untuk menciptakan representasi yang lebih lengkap dari data input pengguna, terutama di media sosial seperti Reddit.

Penelitian tersebut menguji metode DynaMentA dengan dataset berisi postingan Reddit terkait kesehatan mental yang sudah diberi label oleh para ahli. Hasilnya menunjukkan bahwa metode ini mampu memberikan penilaian lebih akurat, dan dalam beberapa metrik berhasil mengalahkan kemampuan ChatGPT dan model AI lain yang sudah ada sebelumnya.

Meskipun hasil ini sangat menjanjikan, penulis menekankan bahwa ini masih tahap awal dan perlu digunakan dengan hati-hati. Pelibatan pihak ketiga dan pengujian yang lebih luas sangat diperlukan agar dapat dipastikan apakah teknologi ini bisa dipakai secara aman dan efektif dalam skala besar.

Penulis mengajak pembaca untuk tetap optimis dan berharap akan ada kemajuan besar di bidang AI untuk kesehatan mental, meskipun ada skeptisisme dari sebagian pihak yang percaya bahwa hanya manusia yang bisa melakukan terapi secara memadai. Dengan kerja keras dan inovasi berkelanjutan, teknologi ini berpotensi memberi kejutan positif bagi masa depan.

Referensi:
[1] https://www.forbes.com/sites/lanceeliot/2025/11/21/ai-deriving-clinically-apt-mental-health-assessments-gets-sharply-uplifted-via-dynamic-prompt-engineering/

Analisis Ahli

Andrew Ng

"Mengintegrasikan konteks psikologis ke dalam pemodelan AI adalah langkah esensial untuk aplikasi kesehatan mental; hal ini sejalan dengan bagaimana AI harus belajar dari lebih banyak data yang bersifat domain-spesifik agar lebih tepat sasaran."

Fei-Fei Li

"Pendekatan dinamis pada prompt engineering meningkatkan adaptabilitas AI, terutama dalam konteks sensitif seperti kesehatan mental, tapi tetap penting untuk memastikan intervensi manusia dalam memberikan bantuan akhir."

Yoshua Bengio

"Weighted transformer yang menggabungkan beragam sumber informasi bisa menjadi kunci untuk mengurangi bias dan meningkatkan presisi diagnosis AI dalam domain kesehatan mental, namun penelitian lebih mendalam tetap dibutuhkan."

Analisis Kami

"Pendekatan yang menggabungkan prompt dinamis dan transformer berbobot sangat menjanjikan untuk memperkaya konteks yang ditangkap AI saat melakukan diagnosa kesehatan mental, ini bisa menekan kesalahan penilaian yang fatal. Namun, keberhasilan jangka panjang sangat bergantung pada dataset dan metodologi validasi independen serta penerapan regulasi yang ketat agar tidak terjadi penyalahgunaan yang membahayakan pengguna."

Prediksi Kami

Dalam beberapa tahun ke depan, metode seperti DynaMentA kemungkinan akan diadopsi lebih luas, sehingga AI dalam kesehatan mental bisa semakin andal dan dapat dipercaya, meskipun masih ada tantangan dan regulasi ketat yang akan muncul.

Pertanyaan Terkait

Apa tantangan utama yang dihadapi model bahasa besar dalam penilaian kesehatan mental?

Model bahasa besar sering gagal dalam mendeteksi gangguan kesehatan mental secara akurat, baik dengan false positives maupun false negatives.

Apa itu DynaMentA dan bagaimana cara kerjanya?

DynaMentA adalah pendekatan baru yang menggunakan rekayasa prompt dinamis dan transformer berbobot untuk meningkatkan akurasi diagnosis kesehatan mental dengan mengekstrak petunjuk kontekstual.

Mengapa penting untuk meminimalkan false positives dan false negatives dalam diagnosis kesehatan mental?

Meminimalkan false positives dan false negatives penting untuk memastikan bahwa individu yang membutuhkan bantuan tidak diabaikan dan yang tidak mengalami gangguan tidak diberi label yang salah.

Apa peran DSM-5 dalam penelitian yang dilakukan?

DSM-5 berfungsi sebagai panduan untuk mengidentifikasi dan mengklasifikasikan gejala gangguan mental dalam penelitian, membantu dalam evaluasi akurasi AI.

Bagaimana OpenAI menghadapi kritik terkait saran kesehatan mental yang diberikan oleh AI?

OpenAI menghadapi kritik karena kurangnya langkah-langkah keamanan dalam memberikan saran kesehatan mental yang akurat dan aman.