《Heliyon》：From algorithms to care: A bibliometric overview of AI research in mental health
编辑推荐：
人工智能（Artificial Intelligence, AI）在心理健康研究中的应用日益广泛，但相关文献仍分散于临床与计算领域。本研究基于Web of Science核心合集（Web of Science Core Collection），对2021年至2
人工智能（Artificial Intelligence, AI）在心理健康研究中的应用日益广泛，但相关文献仍分散于临床与计算领域。本研究基于Web of Science核心合集（Web of Science Core Collection），对2021年至2025年间收录的关于AI在心理健康领域应用的英文期刊论文开展文献计量学分析。研究人员运用Bibliometrix与VOSviewer，通过描述性指标与科学图谱技术对1917篇论文进行分析。结果显示，该跨学科文献（涵盖精神病学、心理学、神经科学与计算机科学）的发表量快速增长。中国与美国在总发文量与总被引频次方面均居领先地位，其中美国表现出广泛的国际合作网络。文献高度集中于抑郁症及检测或预测类任务，同时深度学习（Deep Learning）、多模态数据与基于Transformer的自然语言处理（Natural Language Processing, NLP）的应用有所增加。所绘制的文献图谱表明，该领域正处于临床研究与计算研究的交汇处不断扩展，同时揭示了与临床验证、全球代表性不均衡、模型可解释性及实践转化等持续讨论相关的模式。
心理健康并非静态状态，而是沿着复杂连续谱发展，个体体验各异，涵盖从最佳健康状态到严重情绪困扰。该状态可随时受到个体、家庭、社区及结构性因素组合的强化或削弱。当认知、情绪调节或行为出现具有临床意义的紊乱，且通常伴有痛苦或功能损害时，即形成精神障碍。世界卫生组织最新报告估计，全球逾十亿人患有精神障碍，凸显该挑战的规模之巨。
当前，人工智能（Artificial Intelligence, AI）凭借数据处理、模式识别与预测分析能力，已成为多个领域中日益重要的工具集合。在理解人类情绪与行为尤为复杂的心理健康领域，AI作为支持评估、监测与决策的资源而受到越来越多的关注，其能力可超越传统方法的部分局限。其应用涵盖机器学习（Machine Learning）、深度学习（Deep Learning）与自然语言处理（Natural Language Processing, NLP）等技术，可实现对语音模式、面部表情、神经影像及书面语言等多模态数据的分析。
文献已将上述发展同心理健康照护中日益广泛的应用可能性相联系。基于NLP的系统与AI驱动的聊天机器人（chatbot）已被探索用于分析语言、识别情绪状态并提供实时支持；深度学习与无监督学习方法被用于检测临床亚型、建模复杂生物标志物中的异常，并助力旨在支持更个体化评估与照护的预测系统。同样，通过处理大量患者层面数据，AI或有助于识别传统分析难以察觉的细微模式，从而为关于更具针对性的诊断与治疗策略的讨论作出贡献。
尽管该跨学科领域快速发展，关于AI应用于精神障碍检测、预测、管理与治疗的科学产出仍呈现异质性，并分散于多个知识领域、专业期刊与方法学传统之中。这种碎片化使研究者难以获得对该领域发展、最具影响力主体及主要研究脉络的整合性认识，也增加了识别技术创新、临床取向及公平性与实施等更广泛问题在文献中分布状况的难度。就AI在精神病学与心理健康中的应用而言，这些问题不仅是技术的，也是认识论与伦理的，因为它们塑造了何种证据被视为可操作证据、何种临床推理形式被优先考虑，以及算法工具如何被纳入照护环境。
在此背景下，文献计量学分析为考察该领域的结构与演化提供了有用策略。作为将统计方法应用于科学产出及其元数据（包括引文、关键词与作者模式）的学科，文献计量学使描述发表趋势、识别有影响力的贡献者并揭示研究领域的知识结构与协作结构成为可能。该方法并非直接评估临床有效性，而是特别有助于描绘快速增长的文献如何组织、其活动中心位于何处、哪些主题随时间兴起或衰落，以及转化、实施与不平等问题在该领域中的定位。
既往文献计量研究已从不同视角考察这一交叉领域。部分研究对心理健康领域的AI研究采取宽泛路径，考察其在较长时期内的演进与新兴技术趋势；另一些则聚焦特定障碍，如抑郁症或失眠—焦虑—抑郁三联征；还有若干研究集中于特定技术应用，包括通过机器学习进行诊断、聊天机器人的使用及大语言模型（Large Language Model）；亦有研究聚焦特定人群，如大学生。
本研究通过临床界定且技术包容的文献计量学路径对上述文献加以补充，其贡献有三。第一，尽管精神障碍涵盖广泛谱系，本分析限定于抑郁症、焦虑症、应激相关障碍、双相障碍与物质使用障碍，这些均构成显著的全球疾病负担。此种聚焦选择使研究者得以界定一个连贯且可管理的语料库，而非试图覆盖全部精神障碍谱系。第二，研究采取技术包容视角，不局限于单一算法或工具，同时要求AI方法直接应用于所选障碍的检测、预测、管理与治疗。第三，研究聚焦2021年至2025年间Web of Science收录的原创研究论文，针对这一特定界定的语料库提供关于发表趋势、主题模式与协作结构的聚焦性描述。
据此，本文献计量研究旨在分析关于AI工具应用于所选主要精神障碍检测、预测、管理与治疗的国际科学产出。研究结果提供该领域时间演化、主导主题重点与协作动态的图谱，进而支持未来研究规划、为关于该领域发展的战略性思考提供信息，并为关于文献临床取向、研究空白及AI在心理健康中更负责任与包容性转化所需条件的讨论提供实证基础。
## 2 方法
### 2.1 数据来源与检索策略
为确保元数据的一致性与基于引文的指标的可比性，研究以Web of Science核心合集（WoS）作为唯一数据来源。WoS与Scopus是发表与引文分析的主要书目数据库，WoS提供支持文献计量研究的广泛书目记录与引文链接。
为识别目标文献，检索策略围绕三个概念组分构建：（i）心理健康障碍，聚焦抑郁症、焦虑症、应激相关障碍、双相障碍与物质使用障碍；（ii）AI相关技术，包括机器学习、深度学习、自然语言处理（NLP）、神经网络、Transformer模型、计算机视觉、聊天机器人、会话代理、虚拟助手、数字疗法与计算精神病学；（iii）临床目的，包括检测、诊断、筛查、预测、评估、治疗、干预、管理、监测、预防及相关应用。各组分检索词的选择参考了世界卫生组织资料与该领域既往文献计量研究，并辅以作者认为与研究分析范围相关的其他术语。
研究采用布尔运算符组合三个组分：OR运算符在各组分内归组同义或相关术语，AND运算符连接各组分以检索其交集处的记录；通配符（*）用于捕获同一词根的不同词形（如predict*覆盖“predict”“prediction”“predictive”）。
检索字段的设定兼顾主题相关性与检索广度：精神障碍组分限定于标题（TITLE）字段，而AI与临床应用组分在主题（TS）字段检索，该字段包括标题、摘要、作者关键词与Keywords Plus。将精神障碍术语限定于标题字段可优先纳入障碍为研究明确焦点的记录，而对AI与应用术语采用更宽泛的主题检索有助于捕获语料库中方法与临床的差异。该策略在语料库构建中优先考虑主题精确性，但可能降低检索广度，故应将其理解为语料库的分析性限定，而非最优或穷尽性检索策略。
最终检索式如下：
TITLE: (“anxiety disorder*” OR “panic disorder*” OR “phobia*” OR “social anxiety disorder” OR “generalized anxiety disorder” OR “GAD” OR “major depressive disorder” OR “MDD” OR “depressive disorder*” OR “depression” OR “clinical depression” OR “post-traumatic stress disorder” OR “PTSD” OR “acute stress disorder” OR “stress disorder*” OR “trauma disorder*” OR “substance-related disorder*” OR “substance use disorder*” OR “addiction” OR “drug abuse” OR “alcohol use disorder” OR “substance dependence” OR “bipolar disorder” OR “bipolar I” OR “bipolar II” OR “mania” OR “manic episode” OR “hypomania”)
AND TOPIC: (“artificial intelligence” OR “AI” OR “machine learn*” OR “deep learn*” OR “natural language process*” OR “NLP” OR “neural network*” OR “transformer model*” OR “computer vision” OR “chatbot*” OR “conversational agent*” OR “virtual assistant*” OR “digital therapeutic*” OR “computational psychiatry” OR “predictive model*”)
AND TOPIC: (“diagnos*” OR “detection” OR “screening” OR “assessment” OR “prognos*” OR “predict*” OR “risk assessment” OR “treatment” OR “therapy” OR “intervention” OR “management” OR “monitoring” OR “prevention” OR “early intervention” OR “precision psychiatry” OR “personalized treatment”)
### 2.2 语料选择与纳入标准
本研究旨在构建关于AI在心理健康中应用的原创研究论文的文献计量语料库，并非开展范围综述或系统综述以综合临床发现。因此，选择过程旨在确保用于文献计量分析的数据集的主题相关性与书目一致性，而非提取与综合研究结果。
纳入标准如下。第一，仅纳入论文（article），因其构成主要科学传播渠道并提供适合文献计量分析的标准化书目元数据；早期访问（Early Access）论文被排除，以便仅处理最终索引版本，从而避免后续元数据更新可能带来的不一致。第二，时间窗限定为2021—2025年，以捕获快速扩展领域的最新进展并绘制当前发表动态、协作模式与主题趋势。第三，检索限于英文出版物，以确保国际科学语料库内检索与分析的一致性，但这也可能降低其他语言发表的成果的可见度。第四，语料库限定于主要目标为通过直接使用AI技术检测、预测、管理或治疗一种或多种预设精神障碍的原创研究；仅保留涉及机器学习、深度学习、NLP或其他AI驱动计算方法的研
