On-device psihijatrijska AI: Gemma, Phi i Qwen rade bez slanja podataka u cloud

Istraživački tim predvođen Erangom Bandarom s 11 suradnika objavio je 20. travnja 2026. godine na ArXiv radu koja opisuje mobilnu aplikaciju za psihijatrijsku podršku koja radi potpuno lokalno, bez ikakvog slanja podataka u cloud.

Tri male modele umjesto jednog velikog

Sustav koristi tri kvantizirana i fino ugođena jezična modela: Gemmu, Phi-3.5-mini i Qwen2. Svi rade lokalno na mobilnom uređaju, a orkestracijski sloj koordinira njihov ensemble inference i konsenzus-zaključivanje. Umjesto oslanjanja na jedan veliki oblačni model, manji modeli se nadopunjuju i međusobno provjeravaju, što povećava pouzdanost dijagnostičke procjene. ArXiv je otvoreno arhivsko spremište znanstvenih preprinta koje pokreće Cornell University. Inicijalna evaluacija pokazuje da on-device verzija postiže točnost usporedivu s cloud inačicama uz stvarno-vremensku latenciju na standardnom mobilnom hardveru.

DSM-5 procjene i klinička primjena

Aplikacija generira procjene usklađene s DSM-5 klasifikacijom Američkog psihijatrijskog udruženja. Dvije su glavne funkcije: podrška kliničarima u diferencijalnoj dijagnostici i mapiranju simptoma, te pacijentovo samoskreniranje uz sigurnosne mehanizme koji usmjeravaju korisnika prema profesionalnoj pomoći. Autori naglašavaju da nijedan pacijentov podatak ne napušta uređaj, što je ključno za pristanak osjetljivih populacija.

Zašto je privatnost kritična

Rad se fokusira na kontekste gdje strah od izloženosti podataka odvraća ljude od traženja pomoći. Primjeri uključuju vojsku, gdje psihijatrijska dijagnoza može utjecati na sigurnosne klearance, kazneni sustav, gdje zatvorenici nemaju povjerenja u središnje baze, te udaljena ili ruralna zdravstvena okruženja gdje nema stabilne internetske veze. Zero-egress pristup tehnički uklanja ovaj rizik jer podaci nikada nisu dostupni trećim stranama, niti mogu biti presretnuti na putu prema vanjskom serveru. Dodatna prednost je otpornost na prekide mreže, što je bitno u vojnim i ruralnim scenarijima. Autori napominju da je kvantizacija modela ključna za praktičnu upotrebljivost jer omogućuje izvršavanje na telefonima srednjeg ranga bez pregrijavanja i prekomjerne potrošnje baterije. Rad je objavljen pod Creative Commons Attribution 4.0 licencom, čime se potiče i otvorena znanstvena validacija metode.