産後うつ病の検出と予測のためのAI：スコーピングレビュー

科学分野:

• 医療情報学; 計算精神医学; ヘルスケアにおける機械学習

背景:

• 産後うつ病（PPD）は世界中のかなりの割合の母親に影響を与えており、早期検出方法の改善が必要です。既存のPPDスクリーニングツールは、スケーラビリティと予測精度を欠くことがよくあります。人工知能（AI）は、機械学習、深層学習、自然言語処理を含み、PPDのリスクのある母親を正確に特定するための強化された機能を提供します。

研究 の 目的:

• 産後うつ病（PPD）の検出と予測のための人工知能（AI）ベースの方法に関する既存の文献を体系的にマッピングおよび分析すること。

主な方法:

• PRISMA-ScRガイドラインに従って、包括的なスコーピングレビューを実施しました。PPDの検出または予測にAIを利用した経験的研究を8つの主要データベースで体系的に検索しました。データ抽出は、研究特性、AIモデル、データソース、前処理、検証、およびパフォーマンスメトリックに焦点を当て、その後、ナラティブ合成を行いました。

主要な成果:

• 65件の研究が包含基準を満たし、その大半は米国からで2024年に発表されました。AIモデルは、検出（22％）よりも予測（80％）に主に用いられ、社会人口統計学的、心理学的、産科的データが主な入力データでした。機械学習、特にアンサンブルベースのブースティングモデルが優れた性能を示しましたが、研究では外部検証や標準化された報告がしばしば欠如していました。

結論:

• このレビューは、AI主導のPPD研究における古典的な機械学習の優位性を強調しています。深層学習や高度な前処理技術の採用は限られており、検証戦略も一貫性がありません。将来の研究では、サンプルサイズの小ささ、地理的偏り、およびより信頼性の高いPPD予測のための標準化されたマルチモーダルデータアプローチの必要性といった限界に対処する必要があります。