超越量表:人工智能、语言与行为在自杀风险建模中的叙述性综述

人工智能 2026-11-17 7 阅读

European Neuropsychopharmacology · 2026-11-15 · 综述

  • 一句话结论:结论方向:该叙述性综述提示,机器学习、深度学习与大语言模型可整合电子健康记录、临床文本、语音与面部行为、神经影像及被动传感等多模态信号用于自杀想法与行为的预测与刻画;但作者强调,现有证据尚不足以下结论认为AI决策支持能可测量地改善自杀预防结局。
  • 研究设计与做法:研究设计与做法:叙述性综述(非系统综述、未做定量合并),材料未报告纳入文献数量与检索策略;综述覆盖的数据模态包括结构化电子健康记录与理赔数据、临床记录与数字文本的自然语言处理、语音与面部/行为信号、神经影像及其他神经生物学指标、智能手机与可穿戴设备的被动传感。
  • 主要结果:主要结果:材料未报告具体效应量、置信区间、p值或发生率等定量数据;作者指出常用方法(临床访谈、评定量表、自报)受主观性、报告偏倚影响,且对罕见结局的阳性预测值偏低;并强调应同时评估区分度与校准度,重视时间验证与外部验证。
  • 机制或解释:机制或解释:作者将AI的价值定位于整合与风险及治疗反应相关的异质信号;同时指出转化障碍包括类别不平衡与标签噪声、跨机构与跨时间的数据集漂移、前瞻性评估有限,以及需要可解释输出以支持用药决策与分诊、监测、阶梯式干预等照护路径。
  • 局限与边界:局限与边界:作为叙述性综述,材料未报告系统检索与偏倚评估方法,证据档位为B;作者列出的边界包括缺乏经验证的常规分层生物标志物、前瞻性验证不足、跨站点与跨时间泛化受限;伦理与实施问题涉及隐私与知情同意、算法偏倚与公平性、治理,以及假阳性与假阴性预测的临床后果。
  • 可否落地:可否落地:作者提出的领域优先事项为多模态纵向队列、统一的报告标准,以及务实性试验以检验AI决策支持是否可测量地改善自杀预防结局;据此,当前对临床常规分层与用药决策属「证据不足以下结论」,对研究方向与评估规范(区分度加校准度、时间与外推验证)属「证据支持」的倡导性建议。

🔗 打开原文

Qingzhong Wang, Yogesh Dwivedi


本文摘自《每日前沿研究简报 · 2026-11-17》「AI 科研智能体 / AI 科学家」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部