整合人工智能 (AI) 与可持续护理的劳动力解决方案:对人工智能和机器学习 (ML) 基于心理健康的决策支持系统的后续研究

科学领域:

• 数字健康数字健康
• 临床信息学 临床信息学
• 精神卫生保健技术 技术 精神卫生保健

背景情况:

• 人工智能 (AI) 和机器学习 (ML) 越来越多地被整合到心理健康 (MH) 护理的临床决策支持系统 (CDSS) 中.
• 一项先前的审查 (Higgins等人,2023) 确定了AI/ML-CDSS在MH中的基本作用.
• 本次审查扩展了先前的发现,重点关注最近的进展和挑战.

研究的目的:

• 检查基于AI/ML的CDSS在心理健康护理中的演变作用和影响.
• 确定最近的初级研究 (2022-2024) 中的关键主题,方法和发现.
• 突出在 MH 中人工智能的新兴挑战和机遇.

主要方法:

• 综合性文献审查框架.
• 系统搜索2022年至2024年间发表的初级研究的六个数据库.
• 针对主题,方法和发现,分析了五项选定的研究.

主要成果:

• AI/ML-CDSS显示出提高诊断准确度,减轻临床医生的工作负担和解决未满足的护理需求的潜力.
• 新出现的证据强调临床医生信任,系统透明度和道德考虑 (例如算法偏见,公平) 的关键重要性.
• 先进的AI模型提供了增强的预测能力,但在平衡可解释性与创新方面存在挑战;劳动力挑战仍然是重大障碍.

结论:

• 人工智能驱动的CDSS对优化心理健康护理提供有很大的希望.
• 可持续的改进需要将人工智能解决方案与系统性劳动力增强相结合.
• 未来的研究应该专注于大规模的纵向研究,以在不同的临床环境中实现公平,透明和有效的AI实施.