生成式人工智能在心理健康护理领域的应用图谱：文献计量与可视化解析

本研究针对全球心理健康资源分布不均、服务可及性差的现状，通过文献计量学方法系统分析了生成式人工智能(GAI)在心理健康护理领域的研究动态。研究人员利用Web of Science核心库2016-2024年的79篇文献，结合Bibliometrix和CiteSpace工具，揭示了该领域呈现爆发式增长趋势（2024年达51篇），识别出美国、中国、英国为三大研究主力，并发现研究热点从传统"心理健康服务"向"大语言模型(LLM)"、"ChatGPT"等新技术应用的迁移。该研究首次构建了GAI在情绪支持、心理评估和个性化干预等关键应用场景的知识图谱，为制定GAI在心理健康领域的标准化应用框架提供了数据支撑。

　　

在全球精神疾病负担日益加重的背景下，心理健康服务面临着资源分配不均、经济成本高昂等多重挑战。据研究显示，中低收入国家约75%的精神障碍患者无法获得及时诊疗，而全球因心理健康问题导致的经济损失高达数万亿美元。这种危机局面催生了对创新解决方案的迫切需求，生成式人工智能(Generative Artificial Intelligence, GAI)凭借其强大的自然语言处理(Natural Language Processing, NLP)能力，正在重塑心理健康服务的供给模式。

由张 wen yu领衔的研究团队在《Asian Journal of Psychiatry》发表的研究，首次采用文献计量学方法系统追踪了GAI在心理健康护理领域的发展轨迹。研究人员通过分析Web of Science核心数据库2016-2024年的79篇文献，运用Bibliometrix 4.4.2和CiteSpace 6.4.R1等工具，构建了包括国家合作网络、机构分布、关键词共现等多维度的知识图谱。

关键技术方法包括：1）从WOS核心集检索GAI相关文献，时间跨度为建库至2024年12月14日；2）使用Bibliometrix进行文献计量分析，包括作者、机构、国家合作网络等；3）通过CiteSpace实现关键词突现检测和时区视图分析；4）采用Excel进行发文趋势统计。

研究结果显示：

1. 发文特征：年度发文量呈指数增长，2024年达51篇（占总量64.6%），JMIR Mental Health为最活跃期刊。
2. 地域分布：美国、中国、英国构成核心研究阵营，三国贡献了62%的出版物。
3. 热点演进：早期研究聚焦"心理健康服务"（2016-2020），2021年后转向"大语言模型(LLM)"、"ChatGPT"（2023年突现强度达8.76）和"多模态情绪识别"。
4. 应用场景：形成两大主题集群——治疗应用（情绪支持、自动化心理评估）和伦理挑战（数据隐私、生成内容可靠性）。

结论与讨论部分指出，该研究首次量化了ChatGPT等技术突破对研究主题的颠覆性影响，发现2023年后"对话式干预"相关研究增长400%。尽管GAI在降低诊疗成本（如Woebot应用使咨询费用降低70%）方面成效显著，但研究同时警示：约83%的文献提及了伦理风险，特别是对儿童青少年群体的应用需建立严格审查机制。这项研究为制定"负责任GAI"应用标准提供了科学依据，建议未来研究应加强临床医生与AI工程师的跨学科合作，重点开发适应不同文化背景的本地化模型。

值得注意的是，研究发现中国机构在"数字疗法"子领域的研究占比达34%，但在"伦理框架"方面的贡献仅占9%，反映出不同国家的研究侧重存在显著差异。这些发现对全球心理健康政策的制定具有重要启示，特别是为资源匮乏地区利用GAI技术实现服务普惠提供了可行性路径。