心理健康状况在医疗保健中常常被忽视和低估，尤其是在初级医疗保健和存在主要躯体状况的患者中，心理健康障碍作为共病出现。初级护理医生经常遇到有心理健康问题的患者，无论是单独存在的状况还是与身体疾病共存的情况，这使他们在早期发现和管理中处于关键位置。心理障碍的筛查已被认为非常重要，然而，其实施仍存在若干障碍，包括缺乏人员、时间限制、可访问性限制和服务可用性。此外，由于记忆重构、不注意反应、社会期望和依赖认知启发式，自我报告内部状态的质量可能会降低。
随着大数据、人工智能和技术进步的发展，对精神健康状况的筛查和支持诊断方法出现了新的令人兴奋的可能性。在初级护理中，可解释的人工智能提供了可以简化心理健康评估的解决方案，通过提供易于访问和解释的工具来适应医生的工作流程。这些方法有潜力克服至少部分识别患有心理健康障碍的人的障碍，因为它们可以成本效益高、高效，并且可以提供一种非侵入性的评估方式，也可以用于定期监测高风险人群。
特别有趣的潜力在于可解释的、基于证据的方法，这些方法可以将现有知识转化为技术支持的精神健康状况筛查和诊断。可解释的人工智能工具还可以通过揭开复杂算法的神秘面纱，使初级护理提供者能够根据人工智能生成的见解做出明智的决策。此外，这些工具可以促进初级护理医生和心理健康专家之间的跨学科合作，弥合整体护理的差距。
在这个研究主题中，我们旨在创建一系列关于可解释人工智能方法在精神健康障碍筛查和/或支持诊断过程中的最新进展的论文集。本主题欢迎从基础研究到这些解决方案在医疗保健中的实施的研究，涉及但不限于以下几个方面：
- 评估在筛查过程中可以利用的标志物
- 构建算法及其验证
- 人工智能筛查和诊断的实际应用
- 将人工智能整合到初级护理工作流程中，以提高精神健康状况的早期发现和管理
- 验证或比较基于人工智能的方法与标准心理测量工具
- 用于解决慢性身体疾病患者心理健康共病的人工智能工具
- 人工智能在服务不足或资源受限环境中改善护理公平性的作用
我们欢迎各种文章类型：原始研究、综述研究、政策和实践综述及政策简报、假设和理论论文、方法论文、观点论文、临床试验、案例研究、技术和代码报告以及简短的研究报告。
关键词：可解释的人工智能、人工智能、心理健康、筛查、诊断、监测、抑郁症
重要提示：所有对本研究主题的贡献必须在其提交的部门和期刊的使命声明范围内。Frontiers 保留在同行评审的任何阶段将超出范围的手稿引导至更合适的部门或期刊的权利。
(全文结束)
