FBK sviluppa agenti intelligenti che analizzano le conversazioni terapeutiche per individuare segnali di fragilità psicologica e supportare il lavoro dei professionisti. Il modello, validato in una competizione internazionale e presentato ad AIME 2026, apre nuove prospettive per la salute mentale digitale.
Trento, 17 luglio 2026 – La Fondazione Bruno Kessler si conferma tra i protagonisti della ricerca europea sull’intelligenza artificiale applicata alla salute mentale. Un team dell’Unità Intelligent Digital Agents (IDA) del Centro Digital Health & Wellbeing di FBK ha conquistato il primo posto nella competizione internazionale MentalRiskES 2026, organizzata nell’ambito di IberLEF 2026, ovvero uno dei principali appuntamenti scientifici dedicati all’analisi del linguaggio naturale e alle sue applicazioni, che in passato ha ospitato task in ambito clinico e biomedico, affrontando problemi come l’anonimizzazione di documenti medici, l’estrazione e la normalizzazione di informazioni da testi sanitari, il riconoscimento di entità biomediche e l’identificazione precoce di segnali di rischio per la salute mentale.
Il gruppo di ricerca, composto da Patrizio Bellan, Piergiorgio Maruotti, Leonardo Sanna e Mauro Dragoni, ha ottenuto il miglior risultato nella task dedicata all’identificazione precoce di sintomi di disagio psicologico attraverso l’analisi di conversazioni terapeutiche reali.
La sfida ha coinvolto 17 team internazionali, concentrandosi su un tema di crescente rilevanza sociale: sviluppare sistemi in grado di supportare la comprensione dei segnali associati alla salute mentale a partire dai dialoghi tra pazienti e professionisti. Si tratta di un ambito particolarmente complesso, in cui l’interpretazione di elementi emotivi, comportamentali e relazionali richiede normalmente competenze specialistiche e una significativa esperienza clinica.
Il sistema sviluppato dal team si basa infatti su un approccio di ragionamento multi-agente pensato per analizzare problemi complessi attraverso il confronto tra più prospettive esperte. Invece di affidare l’intera valutazione a un unico modello linguistico, l’approccio costruisce un gruppo di agenti artificiali, ciascuno con un ruolo specifico e una diversa chiave di lettura del problema. Questo permette di realizzare una decomposizione del problema secondo prospettive esperte: la stessa conversazione terapeutica viene osservata da punti di vista complementari, ad esempio concentrandosi sui segnali emotivi, sugli aspetti comportamentali, sulla coerenza del dialogo o sugli indizi contestuali che emergono progressivamente nell’interazione.
Ogni agente produce una propria valutazione motivata, contribuendo con un’analisi parziale ma specializzata. Queste valutazioni non vengono semplicemente sommate, ma confrontate e integrate attraverso una fase di aggregazione delle decisioni, in cui le diverse osservazioni vengono ricomposte in una risposta finale più solida e bilanciata. In questo modo, il ragionamento multi-agente consente di ridurre la dipendenza da una singola interpretazione del modello e rende il processo decisionale più trasparente, perché il risultato finale può essere ricondotto alle valutazioni prodotte dai diversi agenti.
Un aspetto particolarmente rilevante è che il sistema ha operato in modalità zero-shot: non è stato addestrato su dati specifici della competizione né su esempi etichettati del compito da risolvere. Per farlo funzionare, al sistema sono state fornite soltanto le istruzioni del task e il contesto operativo in cui doveva agire, senza ulteriori fasi di addestramento o adattamento sui dati della challenge. Le decisioni sono state quindi generate a partire dalle istruzioni assegnate agli agenti, dalle loro prospettive esperte e dalla capacità del sistema di ragionare sulla conversazione, mostrando come l’organizzazione multi-agente possa supportare l’analisi anche in assenza di dati di addestramento specifici per il compito assegnato.
Inoltre, i dati utilizzati nella competizione provenivano da conversazioni terapeutiche reali e validate da esperti del settore, una condizione che rende il risultato particolarmente significativo sia sul piano scientifico sia in prospettiva applicativa.
Proprio parlando di possibili applicazioni, si guarda ad esempio al miglioramento dei servizi di psicoterapia e counseling, l’identificazione precoce delle situazioni di fragilità e il supporto ai processi di matching tra pazienti e professionisti. In tutti questi ambiti, l’intelligenza artificiale può contribuire a rendere i servizi più accessibili, personalizzati ed efficienti, mantenendo il professionista al centro del percorso di cura.
La linea di ricerca alla base del sistema è stata presentata a inizio luglio ad AIME 2026, la 24° Conferenza Internazionale sull’Intelligenza Artificiale in Medicina, all’Università di Ottawa, in Canada. La conferenza rappresenta uno degli appuntamenti internazionali di riferimento per il confronto tra ricerca sull’intelligenza artificiale e applicazioni in ambito biomedico, clinico e sanitario, riunendo ricercatori, clinici e innovatori impegnati nello sviluppo di metodi e soluzioni per la medicina e la sanità digitale.
