《European Psychiatry》：Advancing the use of artificial intelligence in psychiatry: The need for international collaboration
编辑推荐：
近几十年来，全球人口精神健康面临挑战性宏观趋势，青少年精神健康明显恶化，精神卫生保健系统资金不足、不公平且效率低下[1]。治疗的不必要延迟普遍存在，系统性困难如临床医生倦怠、资金匮乏和人员短缺，对欧洲及其他地区的精神卫生保健产生了负面影响[2]。在临床医生时间
近几十年来，全球人口精神健康面临挑战性宏观趋势，青少年精神健康明显恶化，精神卫生保健系统资金不足、不公平且效率低下[1]。治疗的不必要延迟普遍存在，系统性困难如临床医生倦怠、资金匮乏和人员短缺，对欧洲及其他地区的精神卫生保健产生了负面影响[2]。在临床医生时间和资源有限的情况下，改善精神卫生保健的新方法成为迫切优先事项。数字技术，尤其是人工智能（AI）能力的近期进展，为解决其中一些挑战提供了潜力，从而变革精神卫生保健的方法。
研究背景与现存问题
近几十年来，全球范围内的人口精神健康状况呈现出令人担忧的趋势，青少年精神健康显著恶化，同时精神卫生保健系统普遍面临资金不足、不公平和低效的问题。不必要的治疗延误广泛存在，而临床医生职业倦怠、资金匮乏和人员短缺等系统性困难进一步加剧了精神卫生保健的困境。在此背景下，有限的临床时间和资源使得寻找改善精神卫生保健的新方法成为紧迫任务。数字技术，特别是人工智能（AI）能力的快速发展，为解决这些挑战提供了潜在可能，有望彻底改变精神卫生保健的模式。
研究目的与意义
研究人员指出，尽管AI在精神病学领域具有变革性潜力且学术兴趣日益增长，但其证据基础仍处于初步阶段，仅有少数临床实施案例。大多数已发表的研究属于早期探索，通常存在样本量小、算法偏差、方法异质性高、缺乏可重复性以及依赖昂贵输入特征或非常规收集数据等问题。这些研究反映出碎片化的研究格局，项目各自为政，虽能引发科学好奇心，却很少向真实世界的临床应用迈进。因此，研究人员强调，启动大规模跨大陆的国际协作努力，是加速AI在精神病学中产生影响的一条有效路径。这种联盟方法已在其他曾受类似困难制约的科学领域（如基因组学研究）中显示出优势。建立这样一个跨国AI与精神病学联盟，对于推动该领域从实验室走向临床实践具有关键意义。
关键技术方法
研究人员主要采用了机器学习和深度学习两大类AI技术方法。机器学习被用于发现数据集中的模式，以开发能在未见数据中进行预测的模型，多数预测模型通过监督学习训练，例如基于标注数据的临床决策支持系统。无监督学习则用于发现未标注数据中的隐藏模式，以识别跨多种诊断的潜在精神病学表型。深度学习作为机器学习的一个子类，利用多层人工神经网络实现突破，能够大规模学习语言的丰富通用表征，最终催生了专门处理、生成和解释复杂语言信息的大型语言模型。此外，研究人员还提到了可解释性AI框架（如SHAP值）和人在环路方法，以确保AI系统的透明度和伦理发展。
研究结果
人工智能在精神病学中的应用
AI系统能够在当前精神卫生保健的多个领域发挥作用，包括提升患者护理质量、促进专业人员发展和优化医疗系统。机器学习的应用已产生一些新兴的临床决策支持工具，如PsyMetRiC，这是一种为患有精神病性障碍的年轻人开发的代谢风险计算器。无监督学习则有助于识别跨诊断的潜在精神病学表型，从而实现症状层面的精准治疗甚至诊断结构的重组。深度学习的进步带来了大型语言模型，这类模型特别适合精神病学这一本质上以语言为基础的学科，可以承担或增强涉及语言介导互动的任务，例如自主记录员已被证明能减轻行政负担和临床医生倦怠。
进展的障碍
尽管AI具有变革潜力，但在精神病学领域的证据基础仍然薄弱。大多数已发表研究存在样本量小、算法偏差、方法异质、缺乏可重复性以及依赖非日常采集数据等问题。这些研究反映了碎片化的研究格局，难以向真实世界临床实施推进。有意义的临床应用不仅取决于模型性能，还依赖于数字基础设施、监管准备度、稳健的数据隐私政策以及临床医生和服务使用者对AI工具的文化接受度等更广泛的背景因素。可解释性、透明度和敏感数据的负责任处理也是核心挑战，特别是“黑箱”模型问题，需要通过可解释性AI框架和人在环路方法来应对。
组建国际精神病学与人工智能联盟
研究人员认为，启动大规模跨大陆国际合作是加速AI在精神病学中影响的有效途径。已有一些正在运作的大型研究合作，如欧洲神经精神药理学学院的AI精神健康网络和TRUSTING项目，后者旨在开发基于语音的AI监测系统用于精神病性障碍复发预测。建立稳健的治理结构、稳定的资助模式和网络文化是关键初始优先事项。治理结构应包括中央指导委员会、数据访问委员会、经验专家咨询小组以及伦理与治理委员会。从临床研究角度看，那些临床风险较低的领域可作为初期优先方向，以便更快实现实施和获益。积极的方面是，欧盟的两项最新立法发展——欧洲健康数据空间法规和欧盟AI法案——为这样的国际精神病学与AI联盟的出现提供了合适的背景。前者通过协调电子健康记录系统框架实现健康数据的再利用，后者则为确保伦理AI系统开发提供了必要的监管治理。
讨论与结论
讨论部分指出，克服监管障碍需要协调一致的政府行动，跨越不同法律和监管框架的国际边界工作在未来可能面临挑战，但应尽可能在各洲之间分享进展。欧盟AI法案将分阶段实施，其中管理精神病学中AI使用的核心规则将于2029年起生效，这些渐进式法规为发展高影响力且符合伦理的国际AI与精神病学联盟创造了最佳环境。结论部分翻译如下：如果正确实施，AI通过支持和加强精神卫生保健服务，在改善人群精神健康方面拥有巨大潜力。形成大规模联盟和实施促进伦理有效协作的法律框架，对于取得成功进展至关重要。虽然这方面已有动向，但目前似乎没有任何单一团体采取确保AI研究在精神病学领域利益公平分配所需的全球视角。研究人员提供了当前联盟的例子，这些例子可为发展国际精神病学与AI联盟提供模板。为此，需要建立治理结构和资助模式，并由领域内的领导者就该协作工作的范围和目标达成一致，从而更清晰地阐明何时、为何以及如何利用AI来帮助提供精神疾病护理。
