デジタルメンタルヘルスを交差性の視点から：ナラティブレビュー

科学分野:

• デジタルメンタルヘルス
• ヘルスケアにおける人工知能
• 健康の公平性

背景:

• 疎外に直面する精神疾患のある人々は、複合的な差別と不十分なケアを経験しています。
• デジタルメンタルヘルスアプリケーション（DMHA）はAIと機械学習を活用していますが、バイアスを永続させる可能性があります。
• DMHAにおけるアルゴリズムバイアスは、リスクの高い疎外された人々の間の不公平を悪化させます。

研究 の 目的:

• 交差性のフレームワークを使用してデジタルメンタルヘルスに関する現在の文献を分析すること。
• メンタルヘルスケアにおける公平なAIのための文化的に応答性の高い戦略を特定すること。
• 疎外された人々が直面する不釣り合いなメンタルヘルスの課題に対処すること。

主な方法:

• ナラティブ文献レビュー。
• デジタルメンタルヘルスを分析するための交差性フレームワークの適用。
• AIトレーニングモデルとその疎外された人々の表現の評価。

主要な成果:

• DMHAは、精神的苦痛と回復力のマーカーを特定できますが、アルゴリズムバイアスのリスクがあります。
• 疎外された人々は、文化的に有能なデジタルメンタルヘルスケアへのアクセスにおいて重大な障壁に直面しています。
• 交差性の（インターセクショナリティ）アプローチは、多様な生活経験を反映したAIモデルの必要性を明らかにします。

結論:

• 公平なデジタルメンタルヘルスソリューションには、疎外されたコミュニティを代表するAIトレーニングデータが必要です。
• DMHAにおけるバイアス、危害、および除外を軽減するには、文化的に応答性の高い戦略が不可欠です。
• AI開発に生活経験を組み込むことは、公平性を促進し、すべての人々の転帰を改善します。