En un caso ficticio, un estudiante de 20 años acude a consulta por insomnio. En medio de la conversación, cuenta que desde hace meses habla todas las noches con un chatbot, y que la semana pasada le escribió que "ya no le veía sentido a seguir". El programa respondió con un mensaje genérico de apoyo y cambió de tema. Él pregunta, un poco incómodo, si eso "cuenta".

Cuenta, y mucho. Los chatbots de salud mental pasaron de curiosidad a herramienta de uso diario para muchas personas, y la investigación avanzó en dos frentes que poco dialogan entre sí. Por un lado, ensayos aleatorizados miden el efecto de esos programas sobre síntomas de depresión, ansiedad y estrés. Por otro, estudios de auditoría prueban cómo responden los chatbots cuando alguien habla de suicidio o autolesión.

Este texto resume lo que muestran los metaanálisis, quién participó en los estudios, dónde los resultados son inconclusos y qué hacer en la consulta cuando el paciente cuenta que conversa con un chatbot en crisis.

Puntos principales

• En una revisión con 13 ensayos aleatorizados con jóvenes, 11 de ellos reunidos en el metaanálisis, los chatbots redujeron el malestar psicológico con un tamaño de efecto pequeño (g de Hedges de −0,28), con una certeza de la evidencia clasificada como moderada por los autores (Li et al., 2025).
• En el mismo trabajo, el efecto sobre el bienestar psicológico fue inconcluso, porque el intervalo de confianza incluyó la ausencia de efecto (Li et al., 2025).
• En un metaanálisis de ocho ensayos realizados en Asia, con 921 participantes, los chatbots redujeron los síntomas depresivos, pero los efectos sobre la ansiedad y el estrés fueron inconclusos (Leung et al., 2026).
• En una prueba con 29 chatbots ante mensajes simulados de riesgo creciente de suicidio, ninguno dio una respuesta considerada adecuada según los criterios de los autores (Pichowicz et al., 2025).
• La mayor parte de los participantes de los ensayos eran jóvenes sin diagnóstico, reclutados en escuelas y universidades, y casi ningún estudio siguió los efectos durante más de algunas semanas.

• Qué es un chatbot de salud mental
• Qué muestran los metaanálisis en jóvenes
• Qué muestran los estudios en Asia y las revisiones más amplias
• Dónde está el riesgo: la respuesta en la crisis
• Qué hacer cuando el paciente cuenta que usa un chatbot
• Cómo NEXO ayuda a entrenar este razonamiento
• Preguntas frecuentes
• Take-home messages

Qué es un chatbot de salud mental

Un chatbot es un programa que conversa con el usuario por texto o por voz. En salud mental, la revisión de Li y colegas describe una evolución de sistemas basados en reglas, con respuestas predefinidas y árboles de decisión, hacia sistemas de inteligencia artificial (IA) que procesan lenguaje natural (Li et al., 2025). Los más recientes usan modelos de lenguaje de gran tamaño, los mismos que están detrás de los asistentes de uso general.

Esa distinción importa porque los estudios mezclan productos muy diferentes. Un chatbot de reglas sigue un guion de terapia cognitivo-conductual escrito por clínicos. Un modelo generativo crea cada respuesta en el momento, y puede decir cosas que nadie previó. Y mucha gente usa, para desahogarse, asistentes de uso general que no fueron diseñados ni probados como intervención de salud mental.

En qué se diferencia este tema de los verificadores de síntomas

El post sobre verificadores de síntomas trata de aplicaciones que reciben una lista de molestias y devuelven hipótesis y un grado de urgencia. Aquí el tema es otro: programas que conversan de forma continuada con la persona, con la intención de reducir síntomas, y lo que pasa cuando esa conversación llega a una crisis. La pregunta central deja de ser si el programa acierta el diagnóstico y pasa a ser si ayuda y si protege.

Qué muestran los metaanálisis en jóvenes

La revisión sistemática con metaanálisis de Li y colegas buscó estudios de intervención con chatbots para jóvenes de 10 a 24 años, publicados entre enero de 2014 y septiembre de 2024 (Li et al., 2025). Los autores incluyeron 29 estudios, de los cuales 13 eran ensayos aleatorizados; 11 de ellos entraron en el metaanálisis, y dos quedaron fuera por falta de datos.

El resultado principal fue una reducción del sufrimiento psicológico, que reunía depresión, ansiedad, estrés y afecto negativo, con g de Hedges de −0,28 e intervalo de confianza del 95 por ciento de −0,46 a −0,10 (Li et al., 2025). Una g de Hedges en torno a 0,2 a 0,3 suele leerse como efecto pequeño. Los autores clasificaron la certeza de esa evidencia como moderada, rebajada por la heterogeneidad entre los estudios.

Para el bienestar psicológico, la g de Hedges fue de 0,13, con intervalo de −0,16 a 0,41 (Li et al., 2025). Como el intervalo incluye el cero, el resultado es inconcluso: los datos son compatibles con beneficio, con ningún efecto y con un pequeño perjuicio. La certeza de esa evidencia se clasificó como baja, por riesgo de sesgo e inconsistencia.

Qué muestran los subgrupos

Los autores hicieron análisis de subgrupo predefinidos, y cada uno tiene pocos estudios, lo que pide cautela. Para el sufrimiento psicológico, la reducción fue estadísticamente significativa en poblaciones clínicas o subclínicas, con g de −0,34 e intervalo de −0,57 a −0,10, en cinco ensayos (Li et al., 2025). En poblaciones sin síntomas clínicos, la g fue de −0,19, con intervalo de −0,48 a 0,10, en seis ensayos, un resultado inconcluso.

Los chatbots basados en IA tuvieron g de −0,36, con intervalo de −0,58 a −0,14, en ocho ensayos, mientras que los basados en reglas tuvieron g de −0,09, con intervalo de −0,39 a 0,20, en cuatro ensayos, un resultado inconcluso (Li et al., 2025). La interacción multimodal tuvo g de −0,39 y la solo por texto, g de −0,19 con intervalo que incluye el cero. En el bienestar, la dirección se invierte: solo los chatbots basados en reglas mostraron efecto estadísticamente significativo, con g de 0,29 e intervalo de 0,01 a 0,57, en tres ensayos.

Esos contrastes vienen de comparaciones entre estudios diferentes, con poblaciones y controles diferentes, y sirven para generar hipótesis, y no para elegir un tipo de chatbot.

A quién se estudió

La edad de los participantes varió de 8 a 33 años, y los hombres eran en promedio el 38,3 por ciento de las muestras (Li et al., 2025). Veinte de los 29 estudios reclutaron poblaciones sin diagnóstico, cinco incluyeron personas con síntomas psicológicos, cuatro reclutaron poblaciones clínicas, y la mayoría se realizó en escuelas y universidades. Los países de altos ingresos representaron el 62,1 por ciento de los estudios, y los más representados fueron Estados Unidos, China y Nueva Zelanda, según los autores (Li et al., 2025).

Los propios autores señalan los límites: muestras sin diagnóstico, de países desarrollados, riesgo de sesgo y heterogeneidad, pocos estudios para evaluar efectos a largo plazo e inclusión solo de publicaciones en inglés y chino. También notan que solo 14 de los 29 estudios tenían medidas de protección, como asistencia de emergencia, identificación de crisis o acompañamiento profesional.

El primer ensayo con estudiantes

Uno de los ensayos más citados ilustra el tipo de evidencia detrás de esas medias. Fitzpatrick y colegas describen un ensayo aleatorizado sin cegamiento con 70 estudiantes de 18 a 28 años que relataban síntomas de ansiedad y depresión, reclutados por una red social universitaria (Fitzpatrick et al., 2017). Un grupo usó durante dos semanas un chatbot con contenido de terapia cognitivo-conductual, y el otro recibió un libro electrónico informativo sobre depresión.

En el análisis por intención de tratar, el grupo del chatbot redujo los síntomas depresivos medidos por el PHQ-9, y el grupo control no (Fitzpatrick et al., 2017). En el análisis de quienes completaron el estudio, la ansiedad cayó en los dos grupos, sin ventaja demostrada para el chatbot. Los autores lo describen como estudio de viabilidad, con muestra pequeña, intervención corta y sin seguimiento. Una de las autoras fundó la empresa que creó el chatbot, conflicto declarado en el artículo.

Qué muestran los estudios en Asia y las revisiones más amplias

La revisión de Leung y colegas reunió ocho ensayos aleatorizados, con 921 participantes, realizados en China, Corea del Sur, India, Japón y Taiwán, publicados entre 2020 y 2023 (Leung et al., 2026). Los chatbots redujeron la gravedad de los síntomas depresivos en 0,46 en la medida de efecto agrupada de los autores, con intervalo de confianza del 95 por ciento de −0,76 a −0,16 y heterogeneidad alta (Leung et al., 2026).

En los subgrupos, la reducción de la depresión fue significativa en poblaciones clínicas y entre participantes chinos, pero no entre participantes surcoreanos, y fue significativa en la comparación con biblioterapia, pero no en las comparaciones con otros controles (Leung et al., 2026). Para ansiedad, afecto positivo y estrés, la revisión no encontró efecto significativo, lo que deja esos resultados inconclusos.

Los autores concluyen que no se notificó ningún evento adverso, pero la información proviene de solo tres estudios que describieron seguridad (Leung et al., 2026). Señalan como límites cerca del 40 por ciento de los ensayos con alto riesgo de sesgo (tres de los ocho), pocos estudios con seguimiento más allá de cuatro semanas y poder limitado en la mayoría de las comparaciones (Leung et al., 2026).

Revisiones con más ensayos

Un metaanálisis mayor reunió 48 ensayos aleatorizados, con 28 071 participantes de 31 países, mezclando chatbots basados en IA y en reglas (Mokhtari Masoumi Alamdarloo et al., 2026). Los efectos, expresados como diferencia media estandarizada, fueron de −0,27 para depresión, −0,20 para ansiedad y −0,26 para estrés, todos con intervalos que excluyen el cero. Los autores señalan que la mayoría de los estudios se realizó en países de altos ingresos, que menos de la mitad abordó la seguridad, el respaldo humano o la monitorización de eventos adversos, y que faltan datos a largo plazo.

Para los chatbots generativos, una revisión sistemática reunió 26 estudios y un metaanálisis de 14 ensayos con 6314 participantes (Zhang et al., 2025). El tamaño de efecto agrupado fue de 0,30 en la reducción de problemas de salud mental, con intervalo de confianza de 0,004 a 0,59. El intervalo de predicción, de −0,85 a 1,67, incluye la ausencia de efecto: en un nuevo estudio, el resultado puede ir de perjuicio a beneficio grande, lo que deja inconclusa la predicción para un contexto específico.

Fuente y diseño	A quién se estudió	Desenlace	Resultado según lo notificado	Lectura
Li 2025, metaanálisis de 11 ensayos	Jóvenes de 8 a 33 años, la mayoría sin diagnóstico	Malestar psicológico	g de −0,28 (IC 95: −0,46 a −0,10)	Efecto pequeño, certeza moderada
Li 2025, mismo análisis	Misma muestra	Bienestar psicológico	g de 0,13 (IC 95: −0,16 a 0,41)	Inconcluso, certeza baja
Leung 2026, metaanálisis de 8 ensayos	921 participantes en Asia	Síntomas depresivos	−0,46 (IC 95: −0,76 a −0,16)	Reducción, heterogeneidad alta
Leung 2026, mismo análisis	Misma muestra	Ansiedad y estrés	Efecto no significativo	Inconcluso
Mokhtari 2026, metaanálisis de 48 ensayos	28 071 participantes, 31 países	Depresión, ansiedad, estrés	DME de −0,27, −0,20 y −0,26	Efectos pequeños
Zhang 2025, metaanálisis de 14 ensayos	6314 participantes, chatbots generativos	Problemas de salud mental	0,30 (IC 95: 0,004 a 0,59)	El intervalo de predicción incluye el cero

Fuentes: Li et al., 2025; Leung et al., 2026; Mokhtari Masoumi Alamdarloo et al., 2026; Zhang et al., 2025. IC 95: intervalo de confianza del 95 por ciento (Li et al., 2025); DME: diferencia media estandarizada. Los valores negativos indican reducción de síntomas, excepto en el bienestar y en la fila de Zhang, donde los autores expresan el beneficio con signo positivo.

El problema del abandono

Los efectos medios valen para quienes siguen usando. Un metaanálisis de 39 estudios estimó una tasa agrupada de abandono del 17,04 por ciento, con intervalo de 11,46 a 23,38, en intervenciones de salud mental con IA (Yang et al., 2026). Los chatbots generativos tuvieron un abandono menor, del 9,25 por ciento, que los sistemas basados en recuperación de respuestas, del 23,12 por ciento, según los autores (Yang et al., 2026). En las intervenciones para depresión, un menor abandono se asoció a efectos mayores. Los autores también encontraron indicios de sesgo de publicación: con el ajuste por imputación de estudios ausentes, la tasa agrupada subió al 36,49 por ciento (Yang et al., 2026).

En la revisión de Li, la mediana de abandono fue del 23,4 por ciento, con variación de cero a 89,7 por ciento entre los estudios (Li et al., 2025). Quien abandona desaparece de los datos, y es justamente ahí donde puede estar quien empeoró.

Dónde está el riesgo: la respuesta en la crisis

Los ensayos aleatorizados miden síntomas en semanas. Casi nunca miden lo que ocurre la noche en que alguien escribe que piensa en morir. Para eso, los investigadores empezaron a probar los chatbots con mensajes simulados.

Veintinueve chatbots ante el riesgo creciente

Pichowicz y colegas probaron 29 chatbots con IA, 24 específicos de salud mental y cinco de uso general, con una secuencia estandarizada de mensajes basada en la Escala de Evaluación de la Gravedad del Suicidio de Columbia, simulando riesgo creciente (Pichowicz et al., 2025). La respuesta sería adecuada si el programa, entre otros criterios, recomendara ayuda profesional, insistiera en buscar ayuda de inmediato, indicara un contacto de emergencia correcto sin necesidad de que se lo preguntaran y afirmara que no estaba en condiciones de manejar una crisis suicida.

De los 29 programas, ninguno cumplió los criterios de respuesta adecuada. Quince, o 51,72 por ciento, cumplieron criterios más laxos de respuesta marginal, y 14, o 48,28 por ciento, se consideraron inadecuados (Pichowicz et al., 2025). Solo cinco, o 17,24 por ciento, preguntaron explícitamente en algún momento sobre ideación suicida (Pichowicz et al., 2025). Muchos supusieron que el usuario estaba en Estados Unidos y ofrecieron contactos de emergencia inútiles para quien vive en otro país, y algunos respondieron de forma irrelevante o incluso reafirmando la intención.

Los autores reconocen el principal límite: los mensajes seguían una escala clínica y no reproducían conversaciones reales, en las que la persona en crisis suele usar lenguaje indirecto.

Qué ocurre con las preguntas indirectas

El estudio de Arnaiz-Rodriguez y colegas reunió un conjunto de 2046 mensajes de prueba, tomados de 12 bases públicas de conversaciones sobre salud mental y clasificados en seis categorías de crisis, y auditó las respuestas de cinco modelos de lenguaje (Arnaiz-Rodriguez et al., 2026). Varios modelos respondieron de forma consistente y en general confiable a revelaciones explícitas de crisis, pero una proporción nada despreciable de las respuestas se clasificó como inadecuada o perjudicial, sobre todo en las categorías de autolesión e ideación suicida, con gran diferencia entre los modelos.

La debilidad común fue la señal indirecta. Las personas en crisis muchas veces piden información sobre métodos en términos neutros, y los modelos evaluados tendieron a no percibir la sensibilidad de esas preguntas, respondiendo de forma neutra o incluso instructiva, en lugar de indagar la intención y ofrecer apoyo (Arnaiz-Rodriguez et al., 2026). La evaluación de las respuestas la hizo un modelo de lenguaje validado contra especialistas, y los mensajes provinieron de bases públicas, no de usuarios en tiempo real.

El mismo modelo, otra puerta de entrada

Cantor y colegas describen un estudio observacional transversal que envió 30 preguntas relacionadas con el suicidio, en cinco niveles de riesgo definidos por clínicos, a cinco modelos de uso general, cada una 100 veces mediante la aplicación para el consumidor y 100 veces mediante la interfaz de programación, sumando 30 000 respuestas (Cantor et al., 2026). El desenlace fue la respuesta directa, es decir, dar la información u orientación solicitada.

En total, 69,8 por ciento de las respuestas fueron directas, 77,4 por ciento mediante la interfaz de programación y 62,2 por ciento mediante la aplicación (Cantor et al., 2026). En las preguntas de riesgo muy alto, 24,8 por ciento de las respuestas mediante la interfaz de programación fueron directas, frente a 4,6 por ciento mediante la aplicación (Cantor et al., 2026). El acceso mediante la aplicación se asoció a probabilidades mucho menores de respuesta directa, con razón de probabilidades de 0,09 e intervalo de 0,08 a 0,10. La dirección no fue la misma en todos los modelos: uno de ellos respondió directamente algo más mediante la aplicación. Los autores señalan que usaron solo preguntas en inglés, en un único intercambio de mensajes, y que los modelos cambian sin aviso, de modo que el resultado es un retrato de un momento.

Esto importa porque el mismo modelo puede estar integrado en otras aplicaciones, mediante la interfaz de programación, con menos capas de protección que la versión que el fabricante ofrece al público.

Qué encontró una revisión narrativa

Una revisión narrativa reunió 11 estudios primarios sobre chatbots en la evaluación de riesgo de suicidio (Elbarbary et al., 2026). La evaluación hecha por los chatbots coincidió con los especialistas en los extremos de riesgo, pero falló de forma consistente en distinguir los niveles intermedios, y hubo una subestimación sistemática de la gravedad. Los autores separan los chatbots diseñados por clínicos, que mostraron viabilidad, de los productos comerciales sin validación clínica. Reconocen que todos los estudios provinieron de países de altos ingresos, que el diseño narrativo conlleva riesgo de sesgo de selección y que la heterogeneidad impidió una síntesis cuantitativa.

Qué hacer cuando el paciente cuenta que usa un chatbot

La revelación de que el paciente conversa con un chatbot es una puerta de entrada, y no un detalle. Puede indicar soledad, dificultad de acceso a la atención o vergüenza de hablar con personas. También puede indicar que alguien en sufrimiento recibió, en un momento crítico, una respuesta que no lo protegió.

Pregunte sin juzgar

Pregunte con naturalidad con qué frecuencia la persona usa el chatbot, en qué horarios, para qué y cómo se siente después. Pídale, si ella quiere, que muestre o describa una conversación difícil. Esto da acceso a lo que dijo en momentos en que tal vez no lo diría en la consulta. Descalificar el uso tiende a cerrar la conversación, y el objetivo es lo contrario.

Evalúe el riesgo directamente

Si la persona le contó al chatbot que piensa en morir, la evaluación de riesgo de suicidio pasa a ser obligatoria en la consulta. Preguntar directamente sobre ideación, intención, método y acceso a medios es la base de esa evaluación, como se discute en riesgo de suicidio: qué capta la evaluación clínica. Las pruebas con chatbots muestran que pocos programas hacen esa pregunta por cuenta propia (Pichowicz et al., 2025), y que la gravedad tiende a subestimarse justamente en los niveles intermedios (Elbarbary et al., 2026).

Cuando hay riesgo, oriente a la persona y a la familia a buscar la ayuda necesaria en los servicios de urgencia y de salud mental disponibles en el lugar donde viven, y acuerde con ella una hoja de ruta de seguridad: señales de alerta, personas a quienes recurrir, alejamiento de medios letales y cuándo volver. En situaciones agudas después de eventos traumáticos, los principios descritos en primeros auxilios psicológicos ayudan a organizar la acogida.

Ubique el chatbot en el cuidado

Explique lo que la evidencia permite decir: en jóvenes y en estudios con poblaciones sin diagnóstico, los chatbots redujeron síntomas de forma leve y por poco tiempo, y casi ningún estudio evaluó la seguridad en la crisis (Li et al., 2025; Mokhtari Masoumi Alamdarloo et al., 2026). Un chatbot puede ser un complemento entre consultas, pero su respuesta en una crisis no sustituye a una persona. Si hay depresión, otras intervenciones con evidencia entran en la conversación, como el ejercicio físico en la depresión.

También vale preguntar si el chatbot es un producto de salud mental, con contenido clínico y medidas de protección descritas, o un asistente de uso general, y recordar que la misma tecnología puede responder de forma diferente según la aplicación (Cantor et al., 2026).

Cuidado con la confianza excesiva

El profesional también es usuario de estas herramientas. La tendencia a aceptar lo que dice la máquina sin verificar, descrita en sesgo de automatización, vale para el paciente que confía en el chatbot y para el médico que confía en un resumen generado por IA, tema de escribas de IA en la consulta. Una visión más general está en uso de inteligencia artificial en el razonamiento clínico.

Volviendo al caso

El estudiante del caso ficticio le escribió a un chatbot que ya no le veía sentido a continuar, y recibió una respuesta genérica. En la consulta, la médica pregunta directamente sobre ideación, intención, método y acceso a medios, y descubre que los pensamientos van y vienen desde hace semanas, sin intención definida. Ella acuerda con él una hoja de ruta de seguridad, orienta a la familia a buscar la ayuda necesaria si las señales empeoran, lo deriva a seguimiento en salud mental y agenda un retorno próximo.

Ella no prohíbe el chatbot. Explica lo que muestran los estudios, acuerda que en las próximas consultas contará lo que ha hablado con el programa y trata el insomnio como parte del cuadro, y no como una queja aislada.

Cómo ayuda NEXO a entrenar ese razonamiento

En NEXO, el caso del día es ficticio, con presentación clínica real y hasta seis pistas progresivas, y tú propones el diagnóstico buscando el código en la CIE-10. Percibir que una queja de insomnio esconde un riesgo mayor exige el mismo ejercicio: tratar cada información nueva como pista y revisar la hipótesis, como en el entrenamiento del diagnóstico diferencial con pistas.

Los límites de uso del juego están descritos en la página de economía de NEXO. Si investigas la enseñanza del razonamiento clínico, la página para Researcher explica cómo entrar en contacto. Los profesionales que escriben o revisan casos encuentran información en Curator y en Creators, y las instituciones pueden conocer la propuesta en la página para alianzas. Buscar el código correcto en la CIE-10 completa ese entrenamiento.

Preguntas frecuentes

¿Funcionan los chatbots de salud mental?

En los metaanálisis, redujeron síntomas de depresión, ansiedad, estrés o malestar psicológico con efectos pequeños y de corto plazo, pero algunos desenlaces quedaron inconclusos (Li et al., 2025; Leung et al., 2026).

¿Los resultados valen para quienes tienen depresión grave?

La mayoría de los participantes eran jóvenes sin diagnóstico, reclutados en escuelas y universidades, y casi no hay datos para personas con cuadros graves (Li et al., 2025).

¿Los chatbots generativos son mejores que los de reglas?

En la revisión de Li, los basados en IA tuvieron un efecto mayor sobre el malestar psicológico, pero los de reglas fueron los únicos con efecto significativo en el bienestar, y las comparaciones son entre estudios diferentes (Li et al., 2025).

¿Es seguro el chatbot en una crisis suicida?

Las pruebas con mensajes simulados muestran respuestas con frecuencia inadecuadas y dificultad con señales indirectas (Pichowicz et al., 2025; Arnaiz-Rodriguez et al., 2026). En una crisis, la persona debe buscar la ayuda necesaria con profesionales y servicios de salud.

¿Debo orientar al paciente a dejar de usarlo?

La decisión es individual. Lo más útil es entender el uso, evaluar el riesgo directamente y situar el chatbot como complemento, y no como sustituto del cuidado.

Mensajes para llevar

• Los chatbots de salud mental redujeron síntomas con efectos pequeños en los metaanálisis, sobre todo en jóvenes sin diagnóstico y durante pocas semanas.
• Varios desenlaces fueron inconclusos, como el bienestar en jóvenes y la ansiedad y el estrés en los estudios asiáticos.
• Casi ningún ensayo evaluó la seguridad en la crisis, y las pruebas con mensajes simulados muestran respuestas con frecuencia inadecuadas.
• Cuando el paciente cuenta que habla con un chatbot, pregunta sin juzgar y evalúa el riesgo de suicidio directamente.
• En crisis, oriéntalo a buscar la ayuda necesaria en los servicios locales y acuerda una guía de seguridad.

Referencias

1. Li J, Li Y, Hu Y, et al. Chatbot-delivered interventions for improving mental health among young people: a systematic review and meta-analysis. Worldviews Evid Based Nurs. 2025;22(4):e70059. [PubMed](https://pubmed.ncbi.nlm.nih.gov/40662463/).
2. Leung WKC, Lam SC, Chan BCL, et al. Chatbot interventions for improving mental health among people in Asia: a systematic review and meta-analysis of randomised controlled trials. BMJ Health Care Inform. 2026;33(1):e101479. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41534952/).
3. Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent: a randomized controlled trial. JMIR Ment Health. 2017;4(2):e19. [PubMed](https://pubmed.ncbi.nlm.nih.gov/28588005/).
4. Mokhtari Masoumi Alamdarloo S, Mirzakhani A, Azhdarloo M, et al. Effectiveness of AI and rule-based conversational agents for depression, anxiety and stress: a meta-analysis. NPJ Digit Med. 2026;9(1). [PubMed](https://pubmed.ncbi.nlm.nih.gov/42209800/).
5. Zhang Q, Zhang R, Xiong Y, et al. Generative AI mental health chatbots as therapeutic tools: systematic review and meta-analysis of their role in reducing mental health issues. J Med Internet Res. 2025;27:e78238. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41401240/).
6. Yang H, Liu J, Li L, et al. Ethical implications of high attrition in AI-based mental health interventions: a systematic review and meta-analysis. BMC Med Ethics. 2026;27(1). [PubMed](https://pubmed.ncbi.nlm.nih.gov/42374513/).
7. Pichowicz W, Kotas M, Piotrowski P. Performance of mental health chatbot agents in detecting and managing suicidal ideation. Sci Rep. 2025;15(1):31652. [PubMed](https://pubmed.ncbi.nlm.nih.gov/40866537/).
8. Arnaiz-Rodriguez A, Baidal M, Derner E, et al. Between help and harm: an evaluation study of mental health crisis handling by large language models. JMIR Ment Health. 2026;13:e88435. [PubMed](https://pubmed.ncbi.nlm.nih.gov/42275418/).
9. Cantor J, Huang E, Zhang LA, et al. Suicide-related responses from AI chatbots through application programming interfaces and consumer-facing apps: observational cross-sectional comparative study. J Med Internet Res. 2026;28:e97968. [PubMed](https://pubmed.ncbi.nlm.nih.gov/42855144/).
10. Elbarbary K, Alfudoul A, Samir AA, et al. Are artificial intelligence chatbots safe for suicide risk assessment? A narratively synthesized review of current evidence. Glob Ment Health (Camb). 2026;13:e135. [PubMed](https://pubmed.ncbi.nlm.nih.gov/42466259/).