تتزايد أهمية استخدام الذكاء الاصطناعي (AI) في مجال الصحة النفسية، ولكن تبقى معضلة الأمان من التحديات الرئيسية التي تواجه هذا المجال الحديث. غالباً ما يتم تقييم أمان تقنيات الذكاء الاصطناعي للصحة النفسية على مقاييس زمنية غير صحيحة، حيث تقتصر التقييمات الحالية على تقييمات المعزولة أو نتائج النهاية أو جودة الحوار الإجمالية، بينما قد تظهر الأخطاء السريرية الخطيرة استناداً إلى ترتيب وتراكم التفاعلات نفسها.

في دراسة جديدة، تم تقديم مفهوم جديد يسمى عدم التعرف على الأمان الزمني (Temporal Safety Non-Identifiability)، والذي يوضح لماذا لا يمكن تصديق خصائص الأمان التي تعتمد على التسلسل أو التوقيت أو التراكم من خلال بروتوكولات تستبعد هذه الميزات.

هذا البحث يقدم سCOPE (Safety Claims Over Preserved Evidence) كأداة رئيسية لتوافق ادعاءات الأمان مع الأدلة التي تحتفظ بها التقييمات الفعلية، ويعتبر SCOPE-MH تكيفًا خاصًا بالصحة النفسية لهذا المعيار.

تم اختبار SCOPE-MH من خلال إثبات مفهوم على مجموعة بيانات AnnoMI التي تتضمن محادثات متعلقة بالمقابلة التحفيزية، مما يكشف عن آليات الفشل التي لا تمثلها تقييمات الأداء لكل جولة.

تمثل SCOPE-MH تكملة تشخيصية للهياكل الحالية للتقييم وتؤكد على أن التقييم الذي يحافظ على الأدلة الزمنية يعد ضرورة وليس خيارًا في توفير تقنيات الذكاء الاصطناعي الحرجة للصحة النفسية.