通过人工智能驱动的社交媒体分析来早期发现心理健康危机:一项前性观察研究

科学领域:

• 计算精神病学是一种计算精神病学.
• 数字心理健康数字心理健康
• 医疗保健中的人工智能

背景情况:

• 早期发现心理健康危机对于有效的干预至关重要.
• 社交媒体数据为识别早期预警信号提供了一个潜在的途径.
• 这项研究调查了人工智能在分析社交媒体中对心理健康危机检测的有用性.

研究的目的:

• 利用社交媒体数据开发和评估用于早期发现心理健康危机的AI模型.
• 评估模型的准确性,交付时间和跨不同语言和平台的性能.
• 探索心理健康危机的数字标志物.

主要方法:

• 开发了一种综合NLP和时间分析的多式深度学习模型.
• 该模型在996,000多个社交媒体帖子中接受了英语,西班牙语,普通话和阿拉伯语的训练.
• 绩效使用标准指标进行评估,并根据精神病学评估进行验证.

主要成果:

• 人工智能模型在检测早期心理健康危机迹象方面实现了89.3%的准确性,平均交付时间为7.2天.
• 在语言 (F1: 0.827-0.872) 和平台 (F1: 0.839-0.863) 上观察到一致的性能.
• 对于抑郁 (91.2%),躁狂 (88.7%),自杀念头 (93.5%) 和焦虑 (87.3%) 危机的高度准确性.

结论:

• 人工智能对社交媒体数据的分析显示,在全球范围内,早期发现心理健康危机的潜力很大.
• 包括隐私,污名化和文化偏见在内的道德考虑需要仔细关注.
• 未来的研究应该专注于纵向研究,伦理整合和文化敏感的模型开发.