کاربردهای هوش مصنوعی در مراقبتهای سلامت روان: بررسی جامع
چکیده
زمینه:
هوش مصنوعی (AI) به سرعت در حال ورود به مراقبتهای سلامت روان است، اما بیشتر مدلها همچنان به عنوان اثبات مفهوم باقی ماندهاند و اعتبار خارجی محدودی دارند و خطر بیشبرازش قابل توجهی دارند.
روشها:
این مرور گسترده از مرورها با چکلیست PRISMA-ScR و راهنماییهای مؤسسه Joanna Briggs مطابقت داشت. ما در پایگاههای MEDLINE، Embase، PsycINFO و IEEE Xplore جستجو کردیم. انتشارات واجد شرایط شامل مرورهای سیستماتیک، گسترده، روایتی، تلفیقی، متاآنالیتیک و پتنت بودند. یافتهها به صورت موضوعی ترکیب شدند.
نتایج:
سی و یک مرور شامل شدند. شواهد بر افسردگی و اضطراب متمرکز بود؛ اسکیزوفرنی، اختلال دوقطبی، سلامت روانی دوران بارداری، شرایط طیف اوتیسم، سالمندان، پرستاران و حرفههای مرتبط کمتر نمایان بودند. در سراسر غربالگری، تشخیص/طبقهبندی و پیشبینی خطر، دقت بالا به طور مکرر تحت اعتبار داخلی گزارش شد؛ در ترکیبهای قبلی، AUCهای داخلی معمولاً در حدود ≈0.80–0.88 متمرکز بودند در حالی که عملکرد اعتبار خارجی یا آیندهنگر نادر و معمولاً کاهش یافته بود. سیگنالها برای وظایف محدود و بازخورد غنی قویتر بودند، با کاهش بیشتر برای مدلهای عمومی و افقهای پیشبینی طولانیتر. عوامل مکالمهای بهبودهای کوچک تا متوسط کوتاهمدت در علائم افسردگی ایجاد کردند (SMD ≈0.2–0.6)؛ اثرات برای اضطراب و استرس کوچکتر یا ناسازگار بودند و با شدت مقایسهکننده، پیگیری (≤8–12 هفته در مقابل طولانیتر) و درجه راهنمایی انسانی متفاوت بودند. بیشتر ارزیابیهای چتبات کوتاه و کوچکمقیاس بودند، با تعداد کمی از آزمایشهای تصادفی یا عملگرایانه و دادههای محدود در مورد دوام بیش از 12 هفته. اجرای در دنیای واقعی محدود بود؛ چندین مرور قابلیت استفاده و یکپارچگی با پرونده الکترونیکی سلامت را به عنوان پیشنیازهای پذیرش شناسایی کردند و توضیحپذیری به تنهایی به ندرت بدون آموزش بالینی قابلیت اقدام را فراهم میکرد. آمادگی اخلاقی ناقص بود: حریم خصوصی و تعصب به طور معمول مورد بحث قرار گرفتند، اما مسئولیتپذیری، نظارت پس از استقرار و پروتکلهای تشدید بحران به طور ناسازگار مشخص شدند. ارزیابیهای اقتصادی نادر بودند و به ندرت هزینههای یکپارچگی، نگهداری یا آموزش مجدد را در نظر میگرفتند. نتایج نیروی کار (سواد، اعتماد به نفس، آمادگی) به ندرت اندازهگیری شدند. معیارهای داخلی و خارجی جمعآوری نشدند.
نتیجهگیری:
کاربردهای هوش مصنوعی در سراسر مراقبتهای سلامت روان گسترده شدهاند اما همچنان در مراحل اولیه ترجمه قرار دارند. عملکردی که تحت اعتبار داخلی قوی به نظر میرسد اغلب در آزمونهای خارجی یا آیندهنگر کاهش مییابد؛ دستاوردهای علائم در افسردگی/اضطراب متمرکز هستند و ممکن است در پیگیری طولانیتر کاهش یابند؛ و پذیرش با قابلیت استفاده، یکپارچگی با پرونده الکترونیکی سلامت و حکمرانی ناقص محدود میشود. سیگنال مرور متقابل شکافهای مداوم در مسئولیتپذیری، نظارت پس از استقرار و تشدید بحران، گزارشدهی برابری، آمادگی نیروی کار و اقتصاد چرخه زندگی (شامل یکپارچگی، نظارت و آموزش مجدد) را برجسته میکند. پرداختن به این شکافها از طریق استقرارهای معتبر خارجی و نظارتشده، ممیزیهای محتوای روتین/محافظ برای چتباتها با تشدید انسانی، عملکرد زیرگروههای از پیش تعریفشده و ممیزی تعصب، و استراتژیهای پیادهسازی که توضیحپذیری را با آموزش بالینی جفت میکنند و نقاط پایانی نیروی کار را اندازهگیری میکنند، بهتر شواهد را با استفاده بالینی ایمن، مؤثر و پایدار همسو میکند.
این یک مقاله تخصصی است. برای مطالعه کامل، وارد حساب دارای دسترسی تخصصی شوید.