人工智能用于检测和预测产后抑郁症:范围审查
Mais Alkhateeb1,2,3, Ajisha Nayeem2, Arfan Ahmed2
1College of Education and Art, Lusail University, Doha, Qatar, +974440119502.
Journal of medical Internet research
|January 8, 2026
概括
人工智能 (AI) 在识别患产后抑郁症 (PPD) 风险较高的母亲方面表现有前途. 然而,目前对人工智能用于PPD检测和预测的研究需要更强大的验证和多样化的数据.
科学领域:
- 医疗信息学 医疗信息学
- 计算精神病学是一种计算精神病学.
- 医疗保健中的机器学习
背景情况:
- 产后抑郁症 (PPD) 影响全球相当一部分母亲,需要改进早期检测方法.
- 现有的PPD查工具往往缺乏可扩展性和预测准确性.
- 人工智能 (AI),包括机器学习,深度学习和自然语言处理,为准确识别患有PPD风险的母亲提供了增强的能力.
研究的目的:
- 系统地绘制和分析现有的关于基于人工智能 (AI) 的方法来检测和预测产后抑郁症 (PPD) 的文献.
主要方法:
- 根据PRISMA-ScR指南进行了全面的范围审查.
- 利用人工智能用于PPD检测或预测的实证研究在八个主要数据库中进行了系统的搜索.
- 数据提取集中在研究特征,人工智能模型,数据源,预处理,验证和性能指标上,随后是叙述合成.
主要成果:
- 65项研究符合纳入标准,其中大多数来自美国,并于2024年发表.
- 人工智能模型主要用于PPD预测 (80%),而不是检测 (22%),社会人口统计,心理和产科数据是主要输入.
- 机器学习,特别是基于集合的增强模型,表现出卓越的性能,尽管研究往往缺乏外部验证和标准化报告.
结论:
- 该审查强调了经典机器学习在人工智能驱动的PPD研究中的主导地位.
- 深度学习和先进的预处理技术的采用有限,以及不一致的验证策略.
- 未来的研究应该解决诸如小样本大小,地理偏差和需要标准化,多式联运数据方法的限制,以便更可靠地预测PPD.
