แชทบอท AI คุยแทนนักบำบัดได้จริงไหม งานทดลองสุ่มในคนไข้ 210 คนพบซึมเศร้าลดลงและสร้างพันธมิตรทางใจระดับใกล้เคียงเกณฑ์งานบำบัด แต่ทีมวิจัยต้องแทรกแซงเรื่องความปลอดภัยถึง 15 ครั้ง

ผมเริ่มสนใจเรื่องนี้ตอนที่เห็นข่าวว่ามหาวิทยาลัย Dartmouth สร้างแชทบอทชื่อ Therabot ขึ้นมาโดยใช้เวลากว่า 100,000 ชั่วโมงของมนุษย์ในการฝึกมันด้วยบทสนทนานักบำบัด-คนไข้จริง แล้วเอาไปทดลองแบบสุ่มมีกลุ่มควบคุมกับคนไข้จริงที่เป็นโรคซึมเศร้า โรควิตกกังวลทั่วไป หรือมีความเสี่ยงสูงต่อโรคการกิน คำถามที่ผมอยากรู้ไม่ใช่แค่ "AI คุยเป็นเพื่อนแล้วหายเหงาไหม" แบบที่เคยเขียนถึงไปแล้วในบทความอื่น แต่เป็นคำถามที่หนักกว่านั้นมากคือ AI จะทำหน้าที่แทนการรักษาทางคลินิกได้จริงไหม จะลดอาการซึมเศร้าหรือวิตกกังวลได้อย่างมีนัยสำคัญทางสถิติเหมือนที่นักบำบัดมนุษย์ทำได้หรือเปล่า

บทความนี้ไล่ตรวจสอบงานวิจัยที่ตีพิมพ์จริงตั้งแต่จุดเริ่มต้นของวงการแชทบอทจิตบำบัดในปี 2017 มาจนถึงงานทดลอง AI เชิงสร้างสรรค์ (generative AI) รุ่นล่าสุดในปี 2025-2026 รวมถึงงานที่กล้าเอา AI ไปเทียบกับกลุ่มบำบัดแบบเจอหน้าจริงโดยตรง และปิดท้ายด้วยงานที่ผลลัพธ์ไม่เป็นไปตามคาด เพื่อให้เห็นภาพที่สมดุล ไม่ใช่แค่ด้านที่น่าตื่นเต้นอย่างเดียว

จุดเริ่มต้นของวงการ: Woebot แชทบอทตัวแรกที่มี RCT รองรับ

ก่อนจะมี generative AI แบบ ChatGPT วงการแชทบอทจิตบำบัดเริ่มต้นจากระบบที่เรียกว่า rule-based คือถูกโปรแกรมไว้ล่วงหน้าให้ตอบตามเงื่อนไขที่กำหนด Kathleen Kara Fitzpatrick, Alison Darcy และ Molly Vierhile จาก Stanford University ทดสอบแชทบอทตัวแรกที่ชื่อ Woebot ในงานชื่อ "Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial" ตีพิมพ์ใน *JMIR Mental Health* ปี 2017 (เล่ม 4 ฉบับ 2 บทความเลขที่ e19, DOI 10.2196/mental.7785) เป็นการทดลองแบบสุ่มในผู้ใหญ่ตอนต้นอายุ 18-28 ปี จำนวน 70 คน แบ่งเป็นกลุ่มที่คุยกับ Woebot ผ่านเนื้อหาแบบ CBT นาน 2 สัปดาห์ 34 คน เทียบกับกลุ่มควบคุมที่ได้รับหนังสืออิเล็กทรอนิกส์จาก NIMH (National Institute of Mental Health) 36 คน

ผลลัพธ์คือ กลุ่ม Woebot ลดคะแนนซึมเศร้า (PHQ-9) ได้อย่างมีนัยสำคัญทางสถิติมากกว่ากลุ่มควบคุม (F=6.47, p=.01) ขณะที่กลุ่มควบคุมแทบไม่ลดลงเลย แต่ด้านความวิตกกังวล (GAD-7) ผลกลับต่างออกไป คือทั้งสองกลุ่มลดลงอย่างมีนัยสำคัญพอๆ กัน (F=9.24, p=.004) ไม่มีความแตกต่างระหว่างกลุ่มชัดเจน ผู้เข้าร่วมคุยกับ Woebot เฉลี่ย 12.14 ครั้งตลอด 2 สัปดาห์ และมีอัตราติดตามผลได้ถึง 83% (58 จาก 70 คน) ทีมวิจัยเองก็ยอมรับข้อจำกัดตรงไปตรงมาว่าเป็นการทดลองขนาดเล็กมาก ระยะเวลาสั้นเพียง 2 สัปดาห์ และ Woebot ยุคนั้นเป็นระบบ rule-based ที่ตอบตามเงื่อนไขที่โปรแกรมไว้ล่วงหน้าเท่านั้น ไม่สามารถสร้างบทสนทนาใหม่ๆ ได้แบบอิสระ งานชิ้นนี้จึงเป็นแค่จุดเริ่มต้นที่พิสูจน์ว่า "แชทบอทช่วยเรื่องซึมเศร้าได้บ้าง" แต่คำถามที่ควรรู้ต่อคือ ถ้า AI ฉลาดขึ้นมากจนสร้างบทสนทนาใหม่ได้เองแบบ generative AI จะยิ่งช่วยได้มากกว่านี้แค่ไหน

เมื่อ AI ฉลาดขึ้นมาก: Therabot กับการทดลองสุ่มครั้งแรกของ generative AI

เกือบ 8 ปีให้หลัง Michael V. Heinz, Daniel M. Mackin, Brianna M. Trudeau, Sukanya Bhattacharya, Yinzhou Wang, Haley A. Banta, Abi D. Jewett, Abigail J. Salzhauer, Tess Z. Griffin และ Nicholas C. Jacobson จาก Center for Technology and Behavioral Health, Dartmouth College ตอบคำถามนี้ในงานชื่อ "Randomized Trial of a Generative AI Chatbot for Mental Health Treatment" ตีพิมพ์ออนไลน์ 27 มีนาคม 2025 ใน *NEJM AI* (เล่ม 2 ฉบับ 4, DOI 10.1056/AIoa2400802) ทีมวิจัยเริ่มพัฒนา Therabot ตั้งแต่ปี 2019 โดยฝึกโมเดล Falcon-7B และ LLaMA-2-70B ด้วยบทสนทนานักบำบัด-คนไข้ที่ผู้เชี่ยวชาญเขียนขึ้นตามหลัก CBT คลื่นที่สาม (third-wave CBT) รวมกว่า 100,000 ชั่วโมงการทำงานของมนุษย์ งานนี้เป็น RCT ที่ทดสอบแชทบอท generative AI เต็มรูปแบบสำหรับการรักษาจิตเวช ผู้เข้าร่วม 210 คนที่คัดกรองแล้วว่ามีอาการระดับคลินิกของโรคซึมเศร้า (MDD) โรควิตกกังวลทั่วไป (GAD) หรือมีความเสี่ยงสูงต่อโรคการกิน (CHR-FED) ถูกสุ่มแบ่งเป็นกลุ่มใช้ Therabot 4 สัปดาห์ 106 คน กับกลุ่มรอคิว (waitlist control) 104 คน

ผลลัพธ์ที่ตารางหลักของงานแสดงชัดเจนคือ กลุ่ม MDD คะแนน PHQ-9 ลดลงเฉลี่ย 6.13 จุดที่สัปดาห์ 4 เทียบกับกลุ่มควบคุมลดลงแค่ 2.63 จุด (d=0.845) และเมื่อถึงสัปดาห์ 8 กลุ่มทดลองลดลงถึง 7.93 จุด เทียบกับกลุ่มควบคุม 4.22 จุด (d=0.903) ถ้าคำนวณเป็นร้อยละจากคะแนนเริ่มต้นเฉลี่ย 15.63 จุด จะพบว่ากลุ่มทดลองลดลงราว 51% เทียบกับกลุ่มควบคุมที่ลดลงราว 27% (ตัวเลขร้อยละนี้ทีมวิจัยของบทความนี้คำนวณเพิ่มเติมเองจากค่าเฉลี่ยดิบใน Table 1 ไม่ใช่ตัวเลขที่ผู้เขียนต้นฉบับรายงานตรงๆ) กลุ่ม GAD คะแนน GAD-Q-IV ลดลงมากกว่ากลุ่มควบคุมเช่นกันทั้งที่สัปดาห์ 4 (d=0.840) และสัปดาห์ 8 (d=0.794) ส่วนกลุ่ม CHR-FED คะแนนความกังวลเรื่องน้ำหนัก (WCS) ก็ลดลงมากกว่าเช่นกัน (d=0.819 และ 0.627 ตามลำดับ) ผู้เข้าร่วม 95% เข้าใช้งาน Therabot จริง ส่งข้อความเฉลี่ย 260 ข้อความ ใช้เวลารวมเฉลี่ย 6.18 ชั่วโมงตลอดการศึกษา และให้คะแนนพันธมิตรทางใจ (Working Alliance Inventory) เฉลี่ย 3.59 จาก 5 ใกล้เคียงกับค่าปกติของคนไข้จิตบำบัดแบบผู้ป่วยนอกที่มีมนุษย์เป็นผู้บำบัด (ค่าเฉลี่ย 3.8) และเมื่อถามว่า Therabot ให้ความรู้สึกคล้ายนักบำบัดจริงแค่ไหน ผู้ใช้ให้คะแนนเฉลี่ย 4.90 จาก 7

จุดที่ผมมองว่าสำคัญไม่แพ้ตัวเลขประสิทธิผลคือด้านความปลอดภัย ทีมวิจัยรายงานตรงไปตรงมาว่าตลอดการทดลองต้องมีเจ้าหน้าที่มนุษย์เข้าแทรกแซง 15 ครั้งเพื่อรับมือกับความกังวลด้านความปลอดภัยของผู้เข้าร่วม เช่น การแสดงความคิดอยากทำร้ายตัวเอง และอีก 13 ครั้งเพื่อแก้ไขคำตอบที่ไม่เหมาะสมของ Therabot เอง เช่น การให้คำแนะนำทางการแพทย์โดยตรงซึ่งไม่ควรทำ ทีมวิจัยเองก็ยอมรับข้อจำกัดว่ากลุ่มตัวอย่างอาจมีอคติเอนเอียงไปทางคนอายุน้อยและคุ้นเคยกับเทคโนโลยีมากกว่าประชากรทั่วไป เพราะคัดเลือกผ่าน Meta Ads และให้ค่าตอบแทนซึ่งอาจดึงดูดคนที่มีแรงจูงใจด้านการเงินเป็นพิเศษ อีกทั้งช่วงติดตามผลหลังพ้น intervention มีแค่ 4 สัปดาห์เท่านั้น ยังตอบไม่ได้ว่าผลจะอยู่ทนแค่ไหนในระยะยาวกว่านี้ งานชิ้นนี้จึงเป็นหลักฐานเบื้องต้นที่หนักแน่นแต่ยังมาจากการทดลองเดียว คำถามที่ควรรู้ต่อคือ ถ้ารวมหลักฐานทั้งวงการเข้าด้วยกัน ไม่ใช่แค่งานเดียว ภาพรวมจะยังสอดคล้องกันขนาดนี้ไหม

ซูมออกมาดูภาพรวม: หลักฐานทั้งวงการ 39 การทดลองพูดตรงกันหรือไม่

Sohn, Ha, Park และคณะ ลองรวบรวมหลักฐานทั้งวงการมาไว้ในที่เดียวในงานชื่อ "Systematic review and meta analysis of chatbots in the management of depressive and anxiety symptoms" ตีพิมพ์ใน *npj Digital Medicine* ปี 2026 (เล่ม 9 บทความเลขที่ 377, DOI 10.1038/s41746-026-02566-w) โดยสืบค้นฐานข้อมูล PubMed, Embase, PsycINFO, Scopus และ Web of Science ตั้งแต่เดือนมกราคม 2017 ถึงตุลาคม 2025 ได้งานวิจัยที่เข้าเกณฑ์ทั้งหมด 39 ชิ้น แบ่งเป็น 38 ชิ้นที่วิเคราะห์ด้านซึมเศร้า (รวมผู้เข้าร่วม 7,401 คน) และ 34 ชิ้นที่วิเคราะห์ด้านวิตกกังวล (รวมผู้เข้าร่วม 7,621 คน)

ผลลัพธ์คือ แชทบอทลดอาการซึมเศร้าได้อย่างมีนัยสำคัญทางสถิติเมื่อเทียบกับกลุ่มควบคุม (Hedges' g=0.31, 95% CI 0.17-0.46) และลดอาการวิตกกังวลได้เช่นกัน (g=0.28, 95% CI 0.05-0.51) ซึ่งจัดเป็นขนาดผลระดับเล็กถึงปานกลางตามมาตรฐานทางสถิติ ไม่ใช่ผลขนาดใหญ่แบบที่เห็นในงานเดี่ยวๆ อย่าง Therabot ที่มีค่า d สูงกว่า 0.8 สิ่งที่น่าสนใจคือทีมวิจัยพบว่าผลชัดเจนกว่าอย่างมีนัยสำคัญในกลุ่มที่มีอาการระดับคลินิกหรือกึ่งคลินิก เทียบกับกลุ่มประชากรทั่วไปที่ไม่มีอาการชัดเจน (p=0.001) พูดง่ายๆ คือแชทบอทดูจะช่วยคนที่ "มีปัญหาจริงๆ อยู่แล้ว" ได้มากกว่าคนทั่วไปที่ใช้เพื่อป้องกันหรือดูแลสุขภาพใจทั่วไป จุดนี้ตรงกับสิ่งที่ Heinz และคณะ (2025) ออกแบบการทดลองไว้ตั้งแต่แรก คือคัดกรองเฉพาะผู้ที่มีอาการระดับคลินิกเข้าร่วม ทีมวิจัยของงานวิเคราะห์อภิมานนี้เองก็ยอมรับข้อจำกัดตรงไปตรงมาว่างานวิจัยที่นำมารวมมีความหลากหลายสูงมาก ทั้งประเภทแชทบอท (ตั้งแต่ rule-based ไปจนถึง generative AI) ระยะเวลาการทดลอง และกลุ่มควบคุมที่ใช้เทียบ ซึ่งอาจทำให้ตัวเลขรวมนี้กว้างเกินกว่าจะฟันธงได้ว่าแชทบอทประเภทไหนได้ผลดีที่สุด และยังไม่มีข้อมูลระยะยาวเพียงพอที่จะบอกว่าผลจะอยู่ทนแค่ไหนหลังหยุดใช้ ภาพรวมนี้จึงยืนยันว่าปรากฏการณ์ที่ Therabot พบไม่ใช่เรื่องบังเอิญของงานเดียว แต่คำถามที่ผมยังอยากรู้ต่อคือ ถ้า AI ทำได้ดีขนาดนี้ กล้าเอาไปเทียบกับการรักษามาตรฐานที่มีมนุษย์เป็นผู้บำบัดโดยตรงเลยไหม

กล้าเทียบกับมนุษย์ตัวต่อตัว: AI สู้กลุ่มบำบัดแบบเจอหน้าจริงได้ไหม

นี่คือคำถามที่กล้าหาญที่สุดในบทความนี้ครับ เพราะแทนที่จะเทียบ AI กับกลุ่มรอคิวเฉยๆ ทำไมไม่เอาไปเทียบกับการรักษาที่คนไข้จริงได้รับอยู่แล้วเลย Anat Shoshani, Bar Gurfinkel, Ariel Kor, Yael Ben-Haim, Or Kanarek, Romi Segev, Or Shafir และ Romi Arbel จาก Reichman University ประเทศอิสราเอล ทำสิ่งนี้ในงานชื่อ "Efficacy of a Conversational AI Agent for Psychiatric Symptoms and Digital Therapeutic Alliance: A Randomized Clinical Trial" ตีพิมพ์ใน *JAMA Network Open* ปี 2026 (เล่ม 9 ฉบับ 4 บทความเลขที่ e266713, DOI 10.1001/jamanetworkopen.2026.6713) เป็นการทดลองแบบสุ่ม 3 กลุ่มขนานกัน (three-arm parallel-group RCT) ในนักศึกษามหาวิทยาลัยอายุ 18-35 ปี ที่มีความทุกข์ทางใจ (คะแนน PHQ-4 ตั้งแต่ 3 ขึ้นไปในหมวดวิตกกังวลหรือซึมเศร้า) จำนวน 995 คน แบ่งเป็นกลุ่มใช้แชทบอท AI ชื่อ Kai 336 คน กลุ่มบำบัดกลุ่มแบบเจอหน้าจริงกับนักจิตวิทยา 331 คน และกลุ่มรอคิว 328 คน ติดตามผล 12 สัปดาห์

ผลลัพธ์ที่หลายคนอาจคาดไม่ถึงคือ ด้านความวิตกกังวล (GAD-7) กลุ่ม AI ลดคะแนนได้มากกว่าทั้งกลุ่มบำบัดเจอหน้าจริง (ผลต่างเฉลี่ย -2.17, 95% CI -2.67 ถึง -1.67, p<.001) และกลุ่มรอคิว (ผลต่างเฉลี่ย -2.15, 95% CI -2.65 ถึง -1.65, p<.001) ด้านซึมเศร้า (PHQ-9) กลุ่ม AI ก็ลดได้มากกว่ากลุ่มรอคิวชัดเจน (ผลต่างเฉลี่ย -1.99, p<.001) และดีกว่ากลุ่มบำบัดเจอหน้าจริงเล็กน้อย (ผลต่างเฉลี่ย -0.68, p=.03) แม้ตัวเลขหลังนี้จะไม่ผ่านเกณฑ์นัยสำคัญอีกต่อไปหลังปรับค่า Bonferroni สำหรับการเปรียบเทียบหลายคู่ ส่วนความเป็นอยู่ที่ดี (WHO-5) และความพึงพอใจในชีวิต กลุ่ม AI ก็ดีกว่าทั้งสองกลุ่มเปรียบเทียบอย่างมีนัยสำคัญเช่นกัน แต่ด้าน PTSD (PCL-5) ไม่พบความแตกต่างระหว่างกลุ่มเลย (p อยู่ระหว่าง .09-.31) ตัวเลขที่ทำให้เห็นภาพชัดที่สุดคือสัดส่วนคนที่ "หลุดออกจากเกณฑ์ระดับคลินิก" กลับมาสู่ระดับปกติ ด้านวิตกกังวลกลุ่ม AI ทำได้ถึง 57.9% เทียบกับกลุ่มบำบัดเจอหน้าจริง 14.4% และกลุ่มรอคิว 9.8% (p<.001) ส่วนด้านซึมเศร้ากลุ่ม AI ทำได้ 47.0% เทียบกับ 26.8% และ 14.0% ตามลำดับ (p<.001) ผลด้านความวิตกกังวลและความเป็นอยู่ที่ดียังคงอยู่เมื่อติดตามผลต่อถึง 3 เดือน แต่ผลด้าน PTSD ยังไม่ต่างกันเช่นเดิม

ทีมวิจัยเองก็ยอมรับข้อจำกัดตรงไปตรงมาหลายจุด คือผลลัพธ์ทั้งหมดวัดจากการรายงานตนเอง ไม่ใช่การประเมินโดยผู้เชี่ยวชาญที่ปกปิดกลุ่มการรักษา (rater-blinded) ซึ่งจำกัดความน่าเชื่อถือของการยืนยันผลภายนอก การที่คนอยากไปรับบำบัดเพิ่มเติมลดลงในกลุ่ม AI สะท้อน "ความต้องการที่รับรู้" มากกว่าการใช้บริการจริง จึงยังไม่ชัดว่าจะลดภาระระบบสุขภาพจิตได้จริงแค่ไหน ความคุ้มค่าทางเศรษฐศาสตร์และการฟื้นฟูการทำงานในระยะยาวก็ยังไม่ทราบ และอัตราการหลุดออกจากการศึกษาที่ 3 เดือนค่อนข้างสูงซึ่งอาจกระทบความแม่นยำของตัวเลขระยะยาว งานชิ้นนี้จึงเป็นหลักฐานที่กล้าหาญและน่าตื่นเต้นที่สุดในบทความนี้ แต่ก็ไม่ควรอ่านว่า "AI ดีกว่ามนุษย์เสมอไป" เพราะด้าน PTSD ซึ่งเป็นภาวะที่ซับซ้อนกว่า กลับไม่พบความแตกต่างเลย คำถามที่ควรรู้ต่อคือ ในเมื่อหลักฐานส่วนใหญ่ในบทความนี้ดูเป็นบวกขนาดนี้ มีงานไหนบ้างที่ผลลัพธ์ไม่เป็นไปตามคาด เพื่อให้เห็นภาพที่สมดุลจริงๆ

ไม่ใช่ทุกงานจะได้ผลบวก: บทเรียนจากการทดลองที่ผลลัพธ์ไม่เป็นไปตามคาด

Sanaa Suharwardy, Maya Ramachandran, Stephanie A. Leonard, Anita Gunaseelan, Deirdre J. Lyell, Alison Darcy, Athena Robinson และ Amy Judy จาก Stanford University ร่วมกับทีม Woebot Health ทดลองใช้ Woebot กับกลุ่มประชากรที่แตกต่างออกไปในงานชื่อ "Feasibility and impact of a mental health chatbot on postpartum mental health: a randomized controlled trial" ตีพิมพ์ใน *AJOG Global Reports* ปี 2023 (เล่ม 3 ฉบับ 3 บทความเลขที่ 100165, DOI 10.1016/j.xagr.2023.100165) เป็นการทดลองแบบสุ่มไม่ปกปิดในมารดาหลังคลอดที่พูดภาษาอังกฤษได้และมีสมาร์ตโฟน จำนวน 192 คน แบ่งเป็นกลุ่มดาวน์โหลดแอป Woebot ที่มีเนื้อหาเฉพาะช่วงหลังคลอดเสริมกับการดูแลปกติ 96 คน เทียบกับกลุ่มดูแลปกติอย่างเดียว 96 คน ติดตามผล 6 สัปดาห์หลังคลอด

ผลลัพธ์ด้าน PHQ-9 กลุ่ม Woebot ลดคะแนนได้มากกว่ากลุ่มควบคุมเล็กน้อย (ค่าเฉลี่ยลดลง 1.32 เทียบกับ 0.13) แต่เมื่อดูมาตรวัดหลักที่ออกแบบไว้ตั้งแต่ต้นคือ EPDS (Edinburgh Postnatal Depression Scale) และ GAD-7 กลับพบว่า "คะแนนเฉลี่ยที่ 6 สัปดาห์ไม่ต่างกันระหว่างกลุ่ม" พูดตรงๆ คือไม่พบผลบวกที่มีนัยสำคัญทางสถิติในมาตรวัดหลักของการทดลองนี้เลย แม้ผู้ใช้ Woebot จะพึงพอใจสูงมาก (91% พอใจหรือพอใจมาก) และมีอัตราการใช้งานต่อเนื่อง (74% ใช้อย่างน้อยหนึ่งครั้งในช่วง 2 สัปดาห์ก่อนประเมินผล) ทีมวิจัยเองอธิบายเหตุผลที่เป็นไปได้ตรงไปตรงมาว่า คะแนนพื้นฐานเฉลี่ยของผู้เข้าร่วมตอนเริ่มต้นการศึกษาต่ำกว่าเกณฑ์คัดกรองที่ถือว่าเป็นบวก (below positive screening thresholds) ตั้งแต่แรกอยู่แล้ว ทำให้มีพื้นที่ให้คะแนนลดลงได้จำกัด (floor effect) ต่างจาก Heinz และคณะ (2025) และ Shoshani และคณะ (2026) ที่คัดกรองเฉพาะผู้มีอาการระดับคลินิกชัดเจนตั้งแต่ต้น

จุดนี้สอนบทเรียนสำคัญมากครับ คือแม้แต่ทีมเดียวกันที่เคยพบผลบวกชัดเจนกับ Woebot ในกลุ่มผู้ใหญ่ตอนต้น (Fitzpatrick และคณะ 2017) ก็ยังพบว่าผลอาจไม่ปรากฏเลยในกลุ่มประชากรอื่นที่มีบริบทต่างออกไป และเมื่อฐานอาการเริ่มต้นไม่สูงพอ ผลลัพธ์เชิงบวกก็ตรวจจับได้ยากขึ้นมาก ทีมวิจัยเองก็ยอมรับข้อจำกัดว่าการทดลองนี้ไม่ปกปิดกลุ่ม (unblinded) และมีผู้หลุดออกจากการติดตามผลพอสมควร (152 จาก 192 คนที่ประเมินผลครบ 6 สัปดาห์) แต่จุดแข็งของงานชิ้นนี้คือความตรงไปตรงมาในการรายงานผลลบ ซึ่งเป็นสิ่งที่วงการวิจัยด้านนี้ต้องการมากพอๆ กับงานที่รายงานผลบวก เพื่อไม่ให้ภาพรวมของสาขานี้ถูกบิดเบือนไปทางบวกเกินจริง (publication bias)

กรอบรู้–เลือก–เฝ้า–หยุด

หลักฐานทั้ง 5 ชิ้นในบทความนี้ชี้ไปทางเดียวกันในประเด็นสำคัญคือ แชทบอทช่วยได้จริงในบางบริบท แต่ต้องมีคนกำกับดูแลอยู่เบื้องหลังเสมอ เราสังเคราะห์เป็นลำดับการตัดสินใจสำหรับคนที่กำลังพิจารณาใช้แชทบอทดูแลใจตัวเอง เรียกว่า รู้–เลือก–เฝ้า–หยุด กรอบนี้เป็นเครื่องมือประยุกต์ของบทความ ไม่ใช่แบบประเมินทางคลินิกที่ผ่านการทดสอบทางวิชาการแยกต่างหาก และไม่ได้ใช้แทนคำแนะนำทางการแพทย์

1. รู้ — รู้ระดับอาการตัวเองก่อนเริ่มใช้

ประเมินตรงๆ ว่าอาการอยู่ในระดับรบกวนชีวิตประจำวันจริงหรือแค่เครียดทั่วไป เพราะ Sohn และคณะพบว่าแชทบอทช่วยชัดเจนกว่ามากในกลุ่มที่มีอาการระดับคลินิกหรือกึ่งคลินิก ไม่ใช่คนทั่วไปที่ไม่มีอาการชัดเจน

2. เลือก — เลือกแชทบอทที่มีหลักฐานทดลองทางคลินิกรองรับ

เลือกเครื่องมือที่เคยผ่านการทดลองแบบสุ่มมีกลุ่มควบคุมมาแล้ว ไม่ใช่แค่เชื่อคำโฆษณาหรือคะแนนรีวิวในแอปสโตร์ เพราะงานวิจัยในบทความนี้ทุกชิ้นล้วนใช้แชทบอทที่ผ่านการออกแบบและทดสอบทางคลินิกมาก่อน ไม่ใช่แชทบอททั่วไป

3. เฝ้า — เฝ้าระวังสัญญาณที่ต้องส่งต่อให้มนุษย์

สังเกตว่าถ้าอาการแย่ลง มีความคิดอยากทำร้ายตัวเอง หรือรู้สึกว่าแชทบอทตอบไม่เข้าใจสถานการณ์ ให้หยุดพึ่งพา AI ทันที เพราะแม้แต่งาน Therabot ที่ออกแบบเข้มงวดที่สุดก็ยังต้องมีมนุษย์แทรกแซงด้านความปลอดภัยถึง 15 ครั้งตลอดการทดลอง

4. หยุด — หยุดใช้ AI เป็นตัวแทนหลักเมื่อสถานการณ์เกินขอบเขตที่หลักฐานรองรับ

ถ้ามีภาวะซับซ้อนกว่าซึมเศร้าหรือวิตกกังวลทั่วไป เช่น PTSD หรือความคิดอยากทำร้ายตัวเอง ให้หยุดพึ่งแชทบอทเป็นหลักและติดต่อผู้เชี่ยวชาญหรือสายด่วนสุขภาพจิตทันที เพราะ Shoshani และคณะพบว่า AI ไม่ได้ผลดีกว่ากลุ่มควบคุมเลยในด้าน PTSD และทุกงานวิจัยคัดผู้มีความเสี่ยงฆ่าตัวตายสูงออกจากการทดลองตั้งแต่ต้น

กรอบนี้ไม่ได้แทนที่การวินิจฉัยหรือคำแนะนำจากผู้เชี่ยวชาญ เป็นเพียงลำดับคำถามที่ช่วยให้ตัดสินใจอย่างมีข้อมูลก่อนเลือกใช้เครื่องมือแบบนี้

กรณีจำลอง: การใช้แชทบอทระหว่างรอคิวพบนักจิตวิทยา

ลองนึกถึง "ปุ้ย" พนักงานออฟฟิศวัย 26 ปี ที่เริ่มมีอาการวิตกกังวลรบกวนการนอนและสมาธิทำงานมาหลายสัปดาห์ นัดพบนักจิตวิทยาที่คลินิกใกล้บ้านแล้วแต่คิวยาวถึง 3 สัปดาห์ จึงลองใช้กรอบนี้ประกอบการตัดสินใจว่าจะทำอะไรระหว่างรอ

ปุ้ยเริ่มจากขั้น รู้ โดยประเมินตัวเองตรงๆ ว่าอาการรบกวนการนอนและสมาธิทำงานจริง ไม่ใช่แค่เครียดเล็กน้อย จึงเข้าเกณฑ์ที่หลักฐานชี้ว่าแชทบอทน่าจะช่วยได้ ในขั้น เลือก เธอเลือกแอปที่ระบุชัดว่าผ่านการทดลองแบบสุ่มมีกลุ่มควบคุมมาก่อน แทนที่จะเลือกแอปแชทบอทเอนกประสงค์ทั่วไปที่ไม่มีข้อมูลด้านนี้ ระหว่างใช้งาน 2 สัปดาห์ เธอทำขั้น เฝ้า ด้วยการสังเกตตัวเองทุกสองสามวันว่าอาการดีขึ้นหรือแย่ลง และตั้งใจไว้ว่าถ้ารู้สึกแย่ลงชัดเจนหรือมีความคิดทำร้ายตัวเองจะหยุดใช้ทันที วันหนึ่งเธอสังเกตว่าตัวเองเริ่มมีความคิดวนเวียนที่รุนแรงขึ้นกว่าเดิมและแชทบอทตอบไม่ตรงจุด จึงเข้าสู่ขั้น หยุด คือหยุดพึ่งแชทบอทเป็นหลักและโทรติดต่อคลินิกเพื่อขอเลื่อนคิวให้เร็วขึ้นโดยแจ้งว่าอาการแย่ลง แทนที่จะรอครบ 3 สัปดาห์ตามเดิม

การตัดสินใจของปุ้ยไม่ได้แปลว่าทุกคนต้องทำแบบเดียวกัน กรณีนี้เป็น สถานการณ์จำลองเพื่อสาธิตวิธีคิด ไม่ใช่คนจริงหรือคำแนะนำทางการแพทย์ หากมีความคิดอยากทำร้ายตัวเองหรืออยู่ในภาวะวิกฤต ควรติดต่อสายด่วนสุขภาพจิตหรือบุคลากรทางการแพทย์ทันที ไม่ว่าจะอยู่ในขั้นตอนใดของกรอบนี้ก็ตาม

ลองเอาไปปรับใช้ดู

นี่คือหัวข้อ YMYL (Your Money or Your Life) ที่ต้องระมัดระวังเป็นพิเศษ ข้อคิดต่อไปนี้เป็นแค่สิ่งที่หลักฐานพบ ไม่ใช่คำแนะนำทางการแพทย์ และไม่ควรใช้แทนการปรึกษาผู้เชี่ยวชาญด้านสุขภาพจิต:

1. ถ้าคุณมีอาการซึมเศร้าหรือวิตกกังวลระดับที่รบกวนชีวิตประจำวันจริงๆ อาจลองพิจารณาแชทบอทที่ผ่านการทดลองทางคลินิกเป็นตัวช่วยเสริม ไม่ใช่ตัวแทนหลัก เพราะ Heinz และคณะ (2025) และ Sohn และคณะ (2026) ต่างพบว่าผลชัดเจนกว่ามากในกลุ่มที่มีอาการระดับคลินิกอยู่แล้ว ไม่ใช่ผู้ที่ไม่มีอาการชัดเจน 2. อย่าคาดหวังว่า AI จะปลอดภัย 100% โดยไม่มีใครคอยดูแล เพราะแม้แต่งาน Therabot ที่มีทีมนักจิตวิทยาและจิตแพทย์ออกแบบเนื้อหาอย่างเข้มงวด ก็ยังต้องมีมนุษย์แทรกแซงถึง 15 ครั้งเพื่อความปลอดภัยและ 13 ครั้งเพื่อแก้ไขคำตอบที่ไม่เหมาะสมตลอดการทดลอง 8 สัปดาห์กับคนแค่ 106 คน 3. สำหรับคนที่ลังเลระหว่างรอคิวบำบัดกับลองแชทบอทระหว่างรอ อาจลองพิจารณาแชทบอทเป็นทางเลือกระหว่างรอได้ เพราะ Shoshani และคณะ (2026) พบว่ากลุ่ม AI ลดวิตกกังวลได้ดีกว่าทั้งกลุ่มรอคิวและกลุ่มบำบัดเจอหน้าจริงในบริบทของนักศึกษาที่มีความทุกข์ทางใจระดับไม่รุนแรงมาก แต่ผลนี้ยังไม่ได้ทดสอบในกลุ่มที่มีอาการรุนแรงหรือซับซ้อนกว่านี้ 4. ถ้ามีภาวะที่ซับซ้อนกว่าซึมเศร้าหรือวิตกกังวลทั่วไป เช่น PTSD ควรระมัดระวังเป็นพิเศษและไม่ควรพึ่งแชทบอทเป็นหลัก เพราะ Shoshani และคณะ (2026) พบว่า AI ไม่ได้ผลดีกว่ากลุ่มควบคุมเลยในด้าน PTSD ต่างจากซึมเศร้าและวิตกกังวลที่เห็นผลชัดเจน 5. อย่าเหมารวมว่าแชทบอททุกตัวหรือทุกกลุ่มประชากรจะได้ผลเหมือนกัน เพราะ Suharwardy และคณะ (2023) พบว่า Woebot ตัวเดียวกันที่เคยได้ผลบวกในผู้ใหญ่ตอนต้น กลับไม่พบผลชัดเจนในมารดาหลังคลอดที่ฐานอาการเริ่มต้นไม่สูงพอ บริบทและกลุ่มประชากรมีผลต่อประสิทธิผลจริง 6. หากมีความคิดอยากทำร้ายตัวเองหรืออยู่ในภาวะวิกฤต ควรติดต่อสายด่วนสุขภาพจิตหรือบุคลากรทางการแพทย์ทันที ไม่ควรพึ่งแชทบอทเพียงอย่างเดียว เพราะงานวิจัยทุกชิ้นในบทความนี้คัดผู้มีความเสี่ยงฆ่าตัวตายสูงออกจากการทดลองตั้งแต่ต้น จึงไม่มีหลักฐานรองรับความปลอดภัยของแชทบอทในสถานการณ์วิกฤตเช่นนี้