在精神卫生保健中使用电子健康记录数据开发自杀风险预测算法:现实世界案例研究
Linda Hummel1,2, Karin C A G Lorenz-Artz1,2, Joyce J P A Bierbooms1
1Tranzo Scientific Center for Care and Wellbeing, Tilburg School of Social and Behavioral Sciences, Tilburg University, Prof. Cobbenhagenlaan 125, Reitse Poort, Room RP 204, Tilburg, 5037 DB, The Netherlands, 31683662495.
JMIR medical informatics
|January 14, 2026
概括
为心理健康护理开发人工智能 (AI) 面临着数据和实施方面的挑战. 解决这些问题需要整合临床和技术观点,以获得有效的数据驱动精神卫生服务.
科学领域:
- 心理健康技术 心理健康技术
- 医疗保健中的人工智能
- 临床信息学 临床信息学
背景情况:
- 人工智能 (AI) 为紧张的心理健康系统提供了解决方案,但在临床实践中实施的AI工具很少.
- 算法开发阶段对于将创新与实际应用联系起来至关重要,影响未来的实施成功.
- 人工智能开发必须考虑设计选择如何影响临床采用和可用性.
研究的目的:
- 通过使用电子健康记录 (EHR) 数据,检查自杀风险预测算法的开发过程.
- 识别算法开发过程中遇到的挑战以及用于解决这些问题的策略.
- 在AI中整合技术和临床视角以实现数据驱动精神卫生保健的关键考虑.
主要方法:
- 一个探索性的,多方法的定性案例研究.
- 通过办公桌研究,团队会议和反会议收集数据.
- 专题分析以确定发展挑战和应对措施,为未来的算法开发提供信息.
主要成果:
- 挑战包括在EHR中定义因数据质量问题而导致的自杀事件,以及操作化心理社会变量.
- 非结构化数据的自然语言处理使情绪分析成为可能,但模型的复杂性影响了可解释性.
- 偏差风险来自不平等分布的问卷数据,需要仔细的输入选择.
结论:
- 推进数据驱动的心理健康护理需要强大的数据治理,质量控制和文档的文化转变.
- 缓解偏见,平衡预测准确性与可解释性,并保持临床医生在循环中的方法至关重要.
- 未来的研究应该专注于人工智能开发,实施和在心理健康护理中使用的社会技术方面.
