這篇文章簡(jiǎn)要概述了人工智能的重要進(jìn)展，這些進(jìn)展將很快影響日常臨床環(huán)境中實(shí)施心理保健的方式。結(jié)果將是結(jié)合常規(guī)和循證補(bǔ)充和替代醫(yī)學(xué)(CAM)模式的更具個(gè)性化的治療，對(duì)許多常見精神健康問題的更有效和更具成本效益的治療，并改善結(jié)果。

人工智能對(duì)改善精神衛(wèi)生保健的承諾人工情報(bào)蘊(yùn)藏著巨大的承諾(Dilsizian 2014)進(jìn)行心理保健，因?yàn)樗鼘⒃试S從業(yè)者：

從以前很難訪問且耗時(shí)的患者醫(yī)療信息的超大數(shù)據(jù)集中快速提取有用信息?？焖僭L問可靠的資源，其中包含有關(guān)各種西方醫(yī)療和CAM模式的最新信息。使用先進(jìn)的AI工具指導(dǎo)您確定解決許多常見精神健康問題并預(yù)測(cè)治療結(jié)果的最佳治療方案。

為了在醫(yī)學(xué)和精神保健方面具有實(shí)際的臨床實(shí)用性，人工智能系統(tǒng)必須包含能夠處理大量結(jié)構(gòu)化數(shù)據(jù)的機(jī)器學(xué)習(xí)軟件，以及能夠挖掘非結(jié)構(gòu)化數(shù)據(jù)(例如電子敘事文本)的自然語言處理(NLP)軟件。健康記錄和醫(yī)學(xué)影像數(shù)據(jù)。為了幫助醫(yī)療保健提供者進(jìn)行臨床決策，必須對(duì)AI系統(tǒng)進(jìn)行“培訓(xùn)”，使其達(dá)到特定醫(yī)學(xué)知識(shí)領(lǐng)域內(nèi)所需的專業(yè)水平。培訓(xùn)結(jié)束后，至關(guān)重要的是要保持相關(guān)醫(yī)學(xué)數(shù)據(jù)的最新狀態(tài)。付款方和提供方之間廣泛的數(shù)據(jù)共享對(duì)于成功實(shí)現(xiàn)這一點(diǎn)至關(guān)重要(Kayyali 2013)。IBM的Watson AI系統(tǒng)是同時(shí)包含機(jī)器語言和NLP功能的系統(tǒng)的示例，并且已經(jīng)廣泛用于癌癥研究領(lǐng)域(Lohr 2016)。

結(jié)合了神經(jīng)網(wǎng)絡(luò)算法的AI程序被用于表征正在治療的癥狀，不同的治療方式以及使用傳統(tǒng)軟件工具難以確定的臨床結(jié)果測(cè)量之間的復(fù)雜非線性關(guān)系。深度學(xué)習(xí)是基于神經(jīng)網(wǎng)絡(luò)的算法的最新分支，能夠研究數(shù)據(jù)中復(fù)雜的非線性關(guān)系，而這些復(fù)雜的非線性關(guān)系使用高級(jí)軟件很難或無法表征。近年來，深度學(xué)習(xí)算法已用于識(shí)別功能性腦成像研究數(shù)據(jù)中以前無法分析的復(fù)雜非線性關(guān)系(Vieiraa等人2017)。

“大數(shù)據(jù)”使對(duì)大量復(fù)雜醫(yī)療數(shù)據(jù)的分析成為可能

“大數(shù)據(jù)”是指非常大的復(fù)雜數(shù)據(jù)集，而現(xiàn)有數(shù)據(jù)處理方法無法提供有用的分析。大數(shù)據(jù)分析方法的進(jìn)步很快將使文獻(xiàn)研究自動(dòng)化，從而產(chǎn)生關(guān)于各種補(bǔ)充和替代醫(yī)學(xué)(CAM)方式的高質(zhì)量信息。獲得對(duì)醫(yī)學(xué)和精神衛(wèi)生保健決策有用的大數(shù)據(jù)不是一個(gè)簡(jiǎn)單的問題，因?yàn)楦犊钊撕吞峁┱咴谕晃换颊呱砩蠐碛胁煌愋偷臋C(jī)密數(shù)據(jù)，通常以不同的方式進(jìn)行編碼。在大數(shù)據(jù)中，通常需要在微觀級(jí)別的準(zhǔn)確性與對(duì)宏觀級(jí)別的治療益處的見解之間進(jìn)行權(quán)衡。通過組合多個(gè)領(lǐng)域的大數(shù)據(jù)集(例如臨床研究數(shù)據(jù)，質(zhì)量改進(jìn)數(shù)據(jù)，電子健康記錄，馬修斯2014)。