心理健康障碍患病率的不断上升使其成为重大的公共卫生挑战。这些疾病表现出复杂的病理机制和高度的个体异质性。传统研究方法在机制深度和诊断客观性方面存在局限，阻碍了精准医学的发展。人工智能（AI），包括大型语言模型，通过利用其在数据挖掘和模式识别方面的优势，为探索疾病机制和构建诊断或预测模型提供了新途径。然而，AI的"黑箱"特性导致可解释性不足，严重限制了其临床转化。迫切需要对AI辅助疾病机制解释、模型可解释性优化以及精准建模进行系统研究。此外，将环境心理学和环境暴露数据整合到AI研究中，有助于揭示周围环境如何影响心理健康并与神经机制相互作用。
本研究专题旨在解决AI（例如大型语言模型）在抑郁症、躁狂症及相关障碍研究中的核心挑战，具有三个主要目标：首先，利用AI技术揭示潜在的疾病病理机制（例如，基于多模态数据解析神经回路和分子机制相关性），弥补传统研究的维度局限，深化对疾病的理解；其次，通过开发适用于心理健康场景的可解释框架（例如特征归因和逻辑可视化算法），突破AI模型的可解释性瓶颈，增强模型的临床可信度；第三，构建高精度、高泛化性的疾病相关模型（例如早期筛查和治疗反应预测模型），促进AI技术的临床实施，为心理健康障碍的诊断和治疗提供科学工具，同时建立跨学科交流平台，促进该领域的协作发展。最后但同样重要的是，将环境心理学视角和环境暴露数据整合到AI驱动的心理健康研究中，旨在阐明环境因素如何影响心理福祉并与精神障碍的潜在神经机制相互作用。
本专题欢迎针对以下领域（但不限于）的投稿：AI辅助探索抑郁症、双相情感障碍及其他心理健康状况的神经机制或发病机制研究；可解释人工智能在疾病辅助诊断和预后评估模型中的应用及算法优化；利用神经影像、行为信息、临床量表及其他生物标志物等多模态数据的AI疾病建模；AI模型在疾病亚型分类、治疗推荐和机制验证中的应用；AI辅助心理健康研究中的数据集开发、伦理考量及临床转化路径；开发整合环境心理学指标（如城市形态指标、绿地暴露、感官环境数据）与神经影像、行为和临床数据的AI驱动多模态建模框架，研究环境因素对抑郁症等心理健康状况发病、进展和康复的影响。
投稿作者需在心理健康障碍研究或AI技术开发领域具有专业经验。稿件应紧密契合本专题范围，体现创新性和科学严谨性，并为原创未发表作品。特别优先考虑整合医学、环境心理学、数学、经济学和计算机科学的跨学科研究，且需得到实验或临床验证支持。
【全文结束】
