综述:从预测算法到生成智能:AI驱动心理健康全球研究前沿的十年期文献计量学映射(2016–2025)

《Australian Journal of Psychology》:From predictive algorithms to generative intelligence: a decadal bibliometric mapping of global research frontiers in AI-driven mental health (2016–2025)

【字体: 大 中 小 】 时间:2026年08月07日 来源:Australian Journal of Psychology 1.6

编辑推荐:

  目的:不断升级的全球心理健康负担催生了对可扩展人工智能(AI)解决方案的迫切现实需求。本研究采用定量文献计量学方法,客观呈现全球AI驱动心理健康领域(2016–2025)的研究热点和新兴趋势,特别捕捉了2023年后生成式AI的激增。方法:研究人员分析了来自We

  
目的:不断升级的全球心理健康负担催生了对可扩展人工智能(AI)解决方案的迫切现实需求。本研究采用定量文献计量学方法,客观呈现全球AI驱动心理健康领域(2016–2025)的研究热点和新兴趋势,特别捕捉了2023年后生成式AI的激增。方法:研究人员分析了来自Web of Science和Scopus的9,623篇原始研究文章。利用CiteSpace和VOSviewer进行合著分析、文献共被引聚类和关键词突现检测。结果:研究成果呈指数级增长,在2025年超过3,000篇出版物。美国和中国在生产力方面领先,伦敦国王学院是顶级机构。研究集群涵盖基础AI方法论和四个临床领域:诊断(例如神经影像学)、数字干预(例如聊天机器人)、靶向条件(例如PTSD)和自杀预防。最近的关键词突现突显了诊断准确性、孤独感和职业倦怠作为2023年后的前沿。结论:该领域正在从探索性算法开发转向以患者为中心的临床应用。虽然AI为心理健康研究和护理提供了变革潜力,但未来的研究必须紧急优先考虑患者安全、算法偏见、数据隐私、针对算法幻觉的保障措施以及伦理融入临床工作流程,以确保可持续实施。
引言部分指出,全球心理健康问题日益严重,焦虑和抑郁患病率极高,预计到2030年抑郁症将成为全球疾病负担的主要原因。传统心理健康服务受限于资源缺乏、可及性不均和社会污名化,导致治疗缺口显著。人工智能(AI)作为变革性解决方案,已应用于诊断(如自然语言处理(NLP)用于情感分析)、治疗选择(机器学习(ML)算法制定个性化方案)、主动干预(情感智能对话代理提供认知行为支持)和结果预测(高级ML框架预测治疗反应)等领域。然而,AI的快速多元化发展导致知识基础碎片化,现有综述多为定性研究,存在主观偏差。因此,本研究采用定量文献计量学方法,通过分析2016–2025年间的9,623篇期刊文章,利用VOSviewer和CiteSpace工具,系统地识别全球研究力量的时空分布、关键合作网络、研究热点(如聊天机器人和自杀预防)以及新兴趋势(如关键词突现),旨在为研究人员提供宏观概述,为临床医生提供AI工具在筛查、诊断、治疗和预防策略中潜在价值的参考。

材料与方法部分(Materials and methods)详细描述了研究设计。该研究为文献计量学综述,已在开放科学框架(OSF)平台注册(DOI: 10.17605/OSF.IO/48EDR)。文献检索以Web of Science核心合集和Scopus数据库为数据源,时间跨度为2016年1月1日至2025年12月31日。检索策略包括:Web of Science检索式为TS= (“AI” OR “Artificial intelligence” OR “Machine learning” OR “Deep learning” OR “Neural network” OR “Natural language processing”) AND TS= (“Mental health” OR “Mental hygiene”);Scopus检索式类似。通过初步筛选,排除了非原始研究、非英文文章及在线优先发表的文章,最终合并去重后获得9,623篇有效文献。数据分析使用CiteSpace 6.4.R1和VOSviewer 1.6.20软件,参数设置包括:时间切片为2年,每个切片选取前200个高频项,剪枝方法采用最小生成树(MST)和修剪切片网络。可视化方法用于呈现作者合著网络、机构合作网络、文献共被引聚类和关键词突现检测。

结果部分(Results)展示了多个层面的分析。首先,出版物整体特征显示,2016–2025年间论文数量呈指数增长,2025年达到3,023篇,表明领域从初步探索阶段进入快速扩张期,并转向“认知与干预”框架。其次,作者分析:Robert Stewart以49篇论文位居榜首,其合作网络显示其为核心枢纽;Rashmi Patel、Angus Roberts等也贡献显著。作者合著网络图揭示了以Robert Stewart为中心的密集协作关系,研究聚焦于电子健康记录(EHR)文本挖掘、精神疾病风险预测、自然语言处理(NLP)应用及临床流行病学。第三,机构分析:伦敦国王学院(KCL)以182篇论文领先,哈佛医学院(HMS)和华盛顿大学紧随其后。机构合作网络显示KCL、HMS、斯坦福大学、多伦多大学和中国科学院为核心节点,覆盖欧洲、北美、亚洲和南美洲,体现全球合作特性。KCL侧重临床实践,利用EHR和临床文本挖掘研究严重精神障碍;HMS则更注重新技术探索,如生成式AI和大语言模型(LLMs),并整合社交媒体数据。第四,国家分析:美国以3,107篇论文领先,中国(1,890篇)和英国(973篇)紧随其后。国家合作网络显示美国、英国、印度和沙特阿拉伯为核心,形成全球合作框架。第五,文献共被引聚类分析:共识别出19个聚类(Q=0.8621,S=0.9476),包括人工智能、移动健康(mHealth)、聊天机器人、自杀预防、社交媒体、创伤后应激障碍(PTSD)、压力检测、神经影像学、大语言模型、产后抑郁、深度学习模型、军事、普通人群、人机交互、心理健康分析、自杀意念、使用大语言模型、心理健康支持和人类感知。这些聚类被归纳为五个功能领域:基础技术与人机交互、早期诊断与风险预测、特定疾病与人群的靶向管理、数字干预与治疗、危机干预与自杀预防。第六,关键词突现分析:突现词包括“生理应激”(2021年起)、“决策树”(2021年起)、“倦怠”(2022年起)、“言语”(2022年起)、“诊断准确性”(2023年起)、“孤独感”(2023年起)、“疾病严重程度”(2023年起)、“支持向量机”(2023年起)、“住院”(2023年起)和“暴露”(2023年起),表明这些主题近年成为研究前沿。

讨论部分(Discussion)深入解读了研究热点和新兴趋势。研究热点分为五个功能域:基础技术与人机交互方面,深度学习模型(如卷积神经网络(CNN))在精神疾病分类中表现优越,但需注意真实世界中的高共病性和异质性;可解释人工智能(XAI)技术(如LIME和SHAP)用于确保透明度,但存在后验性局限;决策树方法发展为广义线性混合模型(GLMM)树,适用于多层级和纵向数据。早期诊断与风险预测方面,AI增强神经影像学和压力检测利用多模态数据(如功能性磁共振成像(fMRI)、脑电图(EEG))和可穿戴物联网(IoT)技术,但面临成本、泛化性和隐私挑战。特定疾病与人群的靶向管理方面,AI在PTSD和产后抑郁(PPD)中取得进展,但需注意模型过拟合和跨文化泛化问题;军事心理健康领域整合多模态数据构建动态评估模型,但伦理问题突出。数字干预与治疗方面,移动健康(mHealth)和聊天机器人(如Woebot)基于认知行为疗法(CBT)显示疗效,用户依从性提高40%,但存在数据泄露担忧(35%用户)、缺乏共情和算法偏见风险;需与临床服务整合,避免成为“数字孤岛”。危机干预与自杀预防方面,AI通过自然语言处理(NLP)和大语言模型(LLMs)从社交媒体和电子健康记录中检测自杀意念,但需注意假阴性和假阳性带来的伦理风险。新兴趋势包括:诊断准确性(2023年突现)转向多模态数据整合,但需关注模型泛化能力;孤独感(2023年突现)催生社会机器人、AI伴侣和情感聊天机器人,但存在过度依赖和成瘾风险;倦怠(2022年突现)通过AI减轻临床医生行政负担,优化工作流程。此外,决策树和支持向量机(SVM)从独立分类器演变为集成模型组件。伦理与安全挑战方面,AI心理健康工具收集高度敏感数据,但现有法规(如通用数据保护条例(GDPR)、健康保险可携性与责任法案(HIPAA))未专门针对AI推断,存在监管空白;算法偏见(如基于西方人群模型在非西方群体中表现不佳)和“黑箱”问题带来法律责任模糊;消费者级“健康应用程序”缺乏严格监管,危机干预中缺乏实时临床升级协议。生成式智能的机遇与风险方面,大语言模型(LLMs)带来动态上下文诊断、情感智能对话和临床文档自动化,但存在“幻觉”风险(生成不准确建议)、“虚假共情”和用户依赖问题,可能导致社交退缩。

结论部分(Conclusion)总结了十年期分析结果,表明研究呈指数增长,围绕方法论和临床应用两大主线,AI从早期风险预测扩展到数字治疗和危机干预,诊断准确性、倦怠缓解和孤独感成为新兴前沿。研究强调范式从预测算法向生成智能的转变,并为研究人员、临床医生和政策制定者提供数据驱动的路线图,最后指出患者安全、算法偏见、模型不透明性和生成幻觉等问题必须优先解决。

局限性部分(Limitations)指出,仅依赖Web of Science核心合集和Scopus数据库可能遗漏小型或专业期刊文献,不同数据库关键词索引差异可能导致遗漏,且仅限英文文献引入语言偏见。未来研究应通过多语言检索、扩大数据库覆盖和优化检索策略来增强结果稳健性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号