《Array》：AI for multilingual mental health recognition via social media analysis: A systematic review
编辑推荐：
心理障碍影响全球约10亿人。尽管传统方法具有诊断这些状况的潜力，但其受社会污名、设施不足和流程冗长影响。社交媒体提供了一种替代途径，使用户能够公开表达其健康问题，从而促进人工智能（artificial intelligence, AI）用于早期识别。然而，用户
心理障碍影响全球约10亿人。尽管传统方法具有诊断这些状况的潜力，但其受社会污名、设施不足和流程冗长影响。社交媒体提供了一种替代途径，使用户能够公开表达其健康问题，从而促进人工智能（artificial intelligence, AI）用于早期识别。然而，用户的沟通风格因文化和语言差异而变化。为解决该问题，研究人员呈现了一项系统综述（systematic review），纳入2018年至2025年的94篇文章，这些文章实施AI以通过社交媒体识别心理健康相关问题，并聚焦分析英语以外语言的研究。该综述表明，研究集中于三类心理健康状况：抑郁、自杀意念和焦虑，而压力、双相、强迫症（Obsessive-Compulsive Disorder, OCD）、厌食症、创伤后应激障碍（Post-Traumatic Stress Disorder, PTSD）和注意缺陷多动障碍（Attention Deficit Hyperactivity Disorder, ADHD）等仍研究不足。研究中排名居前的语言为中文（n=21）、阿拉伯语（n=20）、泰语（n=12）和孟加拉语（n=12），另有研究涉及印尼语、西班牙语、韩语、罗马乌尔都语、菲律宾语、俄语、僧伽罗语、巴西葡萄牙语、德语、荷兰语、日语、法语和马来语。方法已从机器学习（machine learning, ML）进展到深度学习（deep learning, DL）方法和基于Transformer的模型（BERT、RoBERTa、DistilBERT）。挑战包括数据稀疏、类别不平衡、标注噪声、文化特定性，以及基于数据收集的标注可扩展性与标签质量之间的权衡。未来研究应包括多语言数据集、更多关注未充分研究的心理健康领域、可解释AI（explainable AI, XAI）和领域特定语言模型。
研究背景与问题：心理健康涉及个体心理、情绪和行为福祉，并影响思维与行动。全球约10亿人经历心理障碍，焦虑和抑郁最常见；COVID-19后患病率上升超过25%。未治疗的心理障碍可导致自杀、自伤等负性行为，全球每年超过72万例自杀，且心理障碍造成超过癌症、心脏病和糖尿病等慢性病的经济负担，并被联合国可持续发展目标列为优先事项。传统诊断依赖问卷、访谈和家庭证词，由治疗师或心理学家依据《诊断与统计手册》（Diagnostic and Statistical Manual of Mental Disorders, DSM-5）评估；但多数患者缺乏病识感，社会污名、资源不足、流程冗长和患者偏差限制识别。社交媒体允许匿名表达情绪、想法和健康关切，语言属性可指示心理状态，AI模型可利用社交媒体语言模式识别早期预警信号。既有综述多聚焦英语、窄病种或宽泛模态，较少关注非英语语言及数据采集、标注、预处理等全流程。为此，作者Alfiyah Qothrunnada Zulfa等开展系统综述（systematic literature review, SLR），以识别多语言社交媒体心理健康识别的主题、语言、方法、挑战与未来方向。
研究开展、结论与意义：研究人员遵循Kitchenham三阶段方法，提出三个研究问题：已探索的心理健康状况和语言；识别任务如何开展；挑战与未来机会。检索Web of Science、Scopus和IEEE Xplore，时间限定2018—2025年，经生成式人工智能（generative AI, GenAI）辅助初筛、人工全文验证和六项质量评估（quality assessment, QA），最终纳入94篇研究（50篇会议论文、44篇期刊论文）。结论表明社交媒体文本可用于识别多种心理健康状况的行为和语言指标，但研究集中于抑郁、自杀意念和焦虑，语言集中于中文、阿拉伯语、泰语和孟加拉语等；方法由ML向DL和Transformer演进；数据稀疏、类别不平衡、标注噪声、文化特定性及标注可扩展性与质量权衡仍是主要障碍。其意义在于为超越英语中心的多语言心理健康识别提供结构化证据，强调多语言数据集、XAI、领域特定模型和伦理实践。
关键技术方法（不超过250字）：本研究为系统综述，无原始样本队列；文献队列来源于Web of Science、Scopus和IEEE Xplore数据库检索，以及纳入研究的 backward 和 forward 参考文献滚雪球。检索期为2018—2025年；关键词覆盖心理健康状况、检测/分类/预测、社交媒体来源、自然语言处理（natural language processing, NLP）/ML/DL/Transformer/大型语言模型（large language model, LLM）/迁移学习及多语言。初检903条，去重179条；GenAI（Gemini 2.0 Flash，temperature=0.2，top p=1）辅助初筛724条并排除528条；人工全文审查196篇，经QA后77篇，滚雪球增17篇，最终94篇；采用六项QA标准。
研究结果：5.1 Reporting：通过检索筛选流程、出版趋势、地理分布和关键词分析，纳入94篇；2018—2025年产出总体增长，2022年达22篇；研究集中于中国、孟加拉国、沙特阿拉伯和泰国；关键词由ML向DL转变。5.2 Mental health-related topics and languages：通过94篇主题与语言统计得出，5.2.1 Topic coverage显示18类心理健康主题，抑郁61篇、自杀意念17篇、焦虑7篇，压力、双相、OCD、厌食、PTSD、ADHD等仅1—4篇；74项单病种研究中53项仅抑郁、15项自杀意念，PTSD、精神分裂症和ADHD无专门单病种研究，主题覆盖受数据可得性影响。5.2.2 Linguistic landscapes显示中文21篇、阿拉伯语20篇、泰语12篇、孟加拉语12篇、印尼语6篇、西班牙语5篇、韩语3篇，其他语言1—2篇；存在代码混合数据；印地语等大语种仍有限。5.3 Data acquisition：通过数据来源、采集、标注、数据集和伦理实践分析得出，5.3.1 Sources显示X/Twitter和Sina Weibo最常用，其次Facebook、YouTube、Reddit、Instagram及本地平台；使用API、Tweepy、Twint、CrowdTangle、Pushshift和Selenium等。5.3.2 Collection approach包括关键词、自我声明、参与者招募、论坛抽样和现有数据集；参与者研究使用PHQ-9、CES-D、BDI等量表。5.3.3 Annotation process包括人工专家、自我声明、规则、问卷和组合标注；人工质量高但成本高，自我声明可扩展但依赖诚实，规则可扩展，组合可平衡质量与规模。5.3.4 Dataset availability显示数据集语言偏阿拉伯语、中文和西班牙语，抑郁与自杀相关多，双相、OCD、PTSD、精神分裂症和焦虑少；标注与访问异质，类别不平衡需谨慎解释。5.3.5 Ethical practices显示用户级数据多经机构审查委员会（Institutional Review Board, IRB）和知情同意，帖子级实践异质，有的公共数据豁免，有的遵循平台条款和匿名化；需告知未来使用并考虑监测风险。5.4 Preprocessing：通过文本清洗与语言工具分析得出，5.4.1 Standard preprocessing包括分词、大小写折叠、标点与空白去除、去重、词干/词形还原、停用词去除和拼写检查；对Transformer未必有益，可能损失性能，词形还原常优于词干化，停用词去除多产生负面影响。5.4.2 Social media spesific包括emoji/emoticon处理、俚语缩写、话题标签、@提及、URL/HTML和重复字符处理；emoji作为token在孟加拉语中可能更好。5.4.3 Language spesific显示泰语用PyThaiNLP、Lexto、Lexto+、AttaCut；中文用Jieba、Sogou Lexicons和DUT-SL；韩语用KSS、Khaiii；孟加拉语和僧伽罗语用BNLTK；阿拉伯语用AraBERT tokenizer、Qalsadi；俄语用Pymorphy；日语用Fugashi；印尼语用IndoNLP；德语用Stanford CoreNLP。5.5 Feature extraction：通过特征方法归类得出，5.5.1 Lexicon包括LIWC及语言版本、抑郁/自杀/压力词典、极性与情绪词典、道德词典及DSM-5/CES-D衍生词典。5.5.2 Vectorization以TF-IDF最常用，另有BoW、Count Vectorization和N-gram。5.5.3 Text embedding包括Word2Vec、GloVe、FastText、Doc2Vec及多语言/语言特定预训练嵌入。5.5.4 Transformer-based包括BERT、RoBERTa、XLM-R及领域/语言特定模型，上下文嵌入优于静态嵌入。5.5.5 Knowledge-based包括UMLS、知识图谱和DSM-5症状定义，增强概念级可解释性。5.5.6 User behavior包括发帖时间/频率/夜间活动、社交图和人口学元数据。5.5.7 Combined features包括词嵌入+LIWC、TF-IDF+行为、知识+行为+Transformer等融合，DSTS-IT为知识、行为和Transformer融合示例。5.5.8 Analytical trade-offs表明词典和向量化可解释但稀疏且非语言无关，静态嵌入有语义但多义盲，Transformer上下文强但计算重，当前倾向组合框架以平衡语义准确性与临床可解释性。5.6 AI models：通过模型比较得出，5.6.1 Machine learning（ML）常用SVM、NB、LR、KNN、DT、RF、boosting和ANN；SVM常居前列，特征工程影响常大于算法选择；二分类转多分类性能显著下降；专门模型如FCM和ROCKET、TSF等用于特定任务；无监督学习较少用于探索。5.6.2 Deep learning（DL）中，Neural network包括RNN、LSTM、GRU、BiLSTM、BiGRU、CNN、TextCNN、GNN和时间序列模型；Transformer: encoder only包括BERT、RoBERTa、mBERT、XLM-R、mDeBERTa及单语/领域模型如BETO、RoBERTuito、AraBERT、MentalBERT；decoder only包括GPT-2、AraGPT2、BLOOM、Llama-2，单语对齐可胜大规模多语模型，大模型微调需PEFT/LoRA且受硬件限制；encoder-encoder包括mBART-50，集成可提升；Hybrid and fusion architectures包括CNN-RNN、注意力BiLSTM-CNN、BERT-BiLSTM、知识图谱和社交网络融合，DSI-BTCNN、TCNN-SN和双视图架构表现较强；Cross-language comparison显示非拉丁文字语言结构挑战大，跨语言迁移不均衡，印尼语例中句子级单语mBERT较优、用户级多语XLM-R较优，无单一策略普遍最优。5.7 Challenges and future work：通过综述局限归纳，5.7.1 Data and language related指出数据少、专家标注难且主观、法律伦理限制和类别不平衡；采用SMOTE、bnaug、AugLy、同义词替换和翻译应对，但增强可能扭曲少数类信号、翻译损失语义情感；未来需原生语言资源、文化对齐数据集、跨语言迁移和伦理采集。5.7.2 Methodological challenges指出偏倚评估不足、跨文化适用差、小样本和稀疏特征限制泛化；未来需领域预训练、语言特定Transformer、混合/DL、多任务、严重度回归、多分类、XAI、非正式语言特征、超参优化、实时监测和时间序列表示。5.7.3 Technical and computational指出GPU内存、训练时间、预算、内存溢出、推理慢和超参瓶颈限制部署；未来需可扩展、成本有效和资源感知模型。讨论部分即上述挑战与未来工作，强调数据与语言、方法学、技术计算三层面限制，并要求多语言数据、XAI、纵向领域模型、伦理隐私和多学科合作。
研究结论翻译：尽管使用社交媒体数据进行心理健康研究存在技术和方法障碍，该研究表明社交媒体可作为识别多种心理健康状况的行为和语言相关指标的有价值工具。该SLR回应了已研究的心理健康状况和语言、数据收集至建模的方法学以及当前研究局限。大量资源有限的心理健康状况和语言已被识别，导致对全人群缺乏泛化。数据质量关切和标注者偏倚变异继续限制模型可靠性，尽管DL和基于Transformer的方法提高了模型性能。未来工作应包括扩展多语言数据集多样性、开发XAI以促进临床透明性，以及开发领域特定纵向模型。此外，伦理数据实践、稳健隐私保护和多学科合作对于确保未来心理健康识别系统可靠、包容并在真实环境中有效实施是必要的。从方法学看，未来该领域SLR在使用GenAI等额外工具时应纳入多标注者验证框架，并通过指标量化选择一致性，以增强综述流程的可靠性和可重复性。
