编辑推荐：
本文系统综述了基于人工智能（AI）的性健康、生殖健康和心理健康（SRMH）风险评估工具的研究进展。
引言
性传播感染（STIs）、HIV 以及心理健康问题是全球健康面临的重大挑战。在性健康和生殖健康方面，每天有超百万人感染 STI，青少年受影响最大。低收入和中等收入国家（LMICs）的生殖健康状况严峻，每年有大量青少年生育，众多女性存在未满足的计划生育需求，由此引发的意外怀孕、不安全堕胎等问题，严重威胁着女性健康。在心理健康领域，全球 70% 的人无法获得良好的心理健康护理，LMICs 的情况更为糟糕，专业心理健康人员匮乏，导致患者难以得到有效治疗。
随着人工智能（AI）技术的发展，其在医疗保健领域展现出巨大潜力。AI 可用于开发分诊系统、症状检查器和风险预测模型等工具，这些工具能分析大量数据，帮助医护人员更好地评估患者风险，优化资源分配，做出更准确的临床决策。而且，性健康、生殖健康和心理健康紧密相关，AI 工具在这三个领域具有跨域应用的潜力。然而，目前针对这三个领域的 AI 风险评估工具的开发和应用存在不足，缺乏对其跨域适用性、有效性和伦理考量的深入分析。本综述旨在填补这些空白，综合现有文献，探讨 AI 在性健康、生殖健康和心理健康风险评估工具中的应用现状、挑战及未来发展方向。
方法
- 文献检索：依据 PRISMA - P 方法，从 ACM 数字图书馆、Science Direct、Sage、Springer、IEEE Xplore、Wiley 和 PubMed 这 7 个数据库中检索 2018 - 2023 年发表的英文研究文章。检索词通过布尔运算符组合，涵盖 “人工智能”“机器学习”“分诊”“症状检查”“性健康”“生殖健康”“心理健康” 等相关词汇，以确保全面获取相关文献。
- 筛选标准
- 纳入标准：与基于 AI 的性健康、生殖健康和心理健康（SRMH）风险评估工具相关的文章；经过同行评审的研究论文；涉及人类参与者且与医疗保健相关；2018 - 2023 年发表；以英文撰写。
- 排除标准：与 SRMH 领域 AI 风险评估工具无关的文章；书籍、电子海报、综述文章、科学会议论文和非研究性文章；未经过同行评审的文章；数据不足或方法不当的文章；提出的工具与人类干预研究无关的文章；2018 年以前发表的文章；非英文文章。
- 筛选流程：将检索结果导出为 CSV 文件（若数据库不支持，则先导出为 BibTeX 格式，再在线转换为 CSV），利用 Google Sheets 进行筛选。通过条件格式化自动检测并删除重复文章，然后依次根据标题、摘要和全文进行筛选，依据排除标准排除不符合要求的文章。对于筛选过程中的分歧，由作者们通过共识解决，以确保筛选的准确性和一致性。
- 数据收集与分析：使用标准化表格收集数据，内容包括文章标题、作者、发表年份、研究设计、AI 工具类型、算法、评估指标等。采用叙述性综合方法对数据进行整理和总结，将数据分类为 AI 工具类型、研究背景、方法、结果、挑战和局限性等类别，通过描述性总结和对比分析突出研究的异同点。
- 风险偏倚评估：运用预测模型风险偏倚评估工具（PROBAST）和 Quadas - 2 工具分别对不同类型的研究进行风险偏倚和适用性评估。由第一作者（SI）应用工具，第三作者（AA）审核，若有分歧则由通讯作者（KM）协调解决，以保证评估的严谨性。
结果
- 文献筛选结果：最初检索到 1743 篇文章，去除重复后剩余 1647 篇。经过标题和摘要筛选，排除 1470 篇，剩下 177 篇进行全文评估，最终 63 篇文章符合纳入标准。这些文章来源广泛，其中 PubMed 和 IEEE Xplore 贡献的入选文章最多。从发表年份来看，2022 年和 2023 年发表的文章数量最多，呈现出研究逐年增加的趋势。
- 研究特征：63 篇文章涵盖多种研究设计，包括回顾性研究、前瞻性研究、观察性研究等。研究目的主要涉及开发和评估 AI 风险预测模型、识别疾病风险因素、评估工具的性能等。研究对象包括不同年龄段、性别和健康状况的人群，如孕妇、癌症患者、精神疾病患者等。
- 风险偏倚评估结果
- PROBAST 评估：部分研究存在方法学缺陷，1 项研究有高风险偏倚，4 项研究因关键数据缺失导致风险偏倚不明确，其余多数研究在大部分 PROBAST 领域风险较低，方法学较为可靠。
- QUADAS - 2 评估：不同诊断准确性研究的方法学质量参差不齐。部分研究在某些领域存在混合风险，如流程和时间方面；部分研究在所有领域风险较低，方法学依从性良好；还有部分研究在所有领域风险不明确，存在较大方法学差距，这表明未来的诊断研究需要提高方法学的透明度和详细程度。
- 研究主题分布：在性健康和生殖健康领域，风险预测工具的研究占主导（83.3%），主要涉及宫颈癌、子宫内膜癌、性传播感染、妊娠并发症等疾病的预测。分诊和症状检查器的研究相对较少，分别占 12.5% 和 4.2%。在心理健康领域，风险预测研究也占比较大（54.8%），主要集中于自杀风险、抑郁、焦虑等心理问题的预测。分诊和症状检查器的研究分别占 31.0% 和 14.3%。总体而言，风险预测工具在两个领域的研究中均占据主导地位。
讨论
- 研究趋势与地理分布：近年来，关于 AI 在 SRMH 风险评估工具方面的研究呈上升趋势，2023 年达到峰值。从地理分布来看，发达国家如美国、英国和澳大利亚的研究成果较多，亚洲的中国和印度也有一定数量的研究发表，但发展中国家的研究相对较少，反映出研究活动在地域上的不平衡。
- AI 工具的应用与挑战：AI 在医疗保健领域的应用广泛，风险预测工具使用最为频繁，涉及多种算法，如随机森林（RF）、逻辑回归（LR）、支持向量机（SVM）等。不同研究使用的评估指标各异，主要取决于干预类型。AI 技术能够通过先进的诊断和个性化干预改善医疗服务，尤其对服务不足的人群有益。然而，AI 也面临诸多挑战，如模型的 “黑箱” 问题导致决策过程不透明，集成到现有医疗系统困难且资源消耗大。此外，AI 算法可能存在偏差，数据的非代表性会导致对边缘化群体的不公平影响，数字技术获取的差异也会加剧社会经济群体之间的差距。
- 伦理考量：多数研究对伦理问题较为重视，如获得伦理批准、确保知情同意等，在心理健康和癌症检测等敏感领域尤为突出。部分回顾性研究根据情况适当寻求知情同意豁免，体现了对参与者权益的保护和研究伦理的坚守。
- 研究差距与未来方向：当前研究存在一些局限性，如数据集小且单一、研究设计多为回顾性和自我报告、忽视重要影响因素、算法验证不足、缺乏与传统方法的比较、大语言模型（LLM）应用有限、特征选择描述不充分、伦理问题探索不深入以及未充分考虑计算资源和数据隐私等。未来研究应注重创建广泛、多样的数据集，减少 AI 模型的偏差；针对不同人群制定标准化的诊断和干预策略；加强 AI 方法的研究，如联邦学习和深度学习，提高模型的准确性和伦理合规性；利用 LLM 提高模型的可解释性，促进与医护人员的协作，改善治疗效果和医疗效率。
结论
本综述分析了 2018 - 2023 年 63 篇关于 AI 在性健康、生殖健康和心理健康风险评估工具中应用的文章，发现风险预测工具占主导地位，且研究存在模型和数据集的偏差与差异。未来研究需要全球和跨学科合作，增加数据集的多样性和包容性，采用稳健的方法推广 AI 模型，制定国际框架以促进 AI 研究和应用的伦理标准和透明度。同时，应克服本次综述的局限性，纳入多语言研究和更广泛的文献，开发公平有效的 AI 工具，为全球健康做出更大贡献。
