使用人工智能（AI）补充传统的行为健康筛查在初级保健中逐渐受到重视。
一些正在探索的领域包括：预测青少年可能出现精神疾病的风险；通过筛查患者并治疗阿片类药物使用障碍以减少再入院；以及实施AI治疗聊天机器人来补充认知疗法。
这些工具通常旨在解决提供商面临的一些常见挑战，例如提高效率和应对劳动力短缺。虽然这些应用程序可以扩大医疗服务的可及性，但它们不能替代医疗提供者。以下是几个引起我们注意的最新发展。
1 | 预测青少年心理健康风险及其潜在原因
杜克大学健康研究人员开发的一种AI模型能够准确预测青少年在未来出现严重心理健康问题的高风险，而无需等待症状变得严重。
与主要依赖现有症状的先前模型不同，该AI模型识别了潜在的原因，如睡眠障碍和家庭冲突，作为预防干预的指标。研究人员表示，这种早期预警信号和主动干预的能力可以大大扩展心理健康服务的可及性，评估和护理可以通过初级保健提供者进行。
该AI模型可以在初级保健环境中使用，使儿科医生和其他提供者能够立即知道面前的孩子是否处于高风险，并在症状恶化之前进行干预。杜克大学精神病学和行为科学教授乔纳森·波斯纳（Jonathan Posner）指出，他是最近发表在《自然医学》杂志上的一项研究的资深作者。
波斯纳和他的同事们分析了与精神疾病相关的心理社会和神经生物学因素，使用了一项正在进行的研究的数据，该研究对超过11,000名儿童进行了五年的心理社会和大脑发育评估。
利用AI，研究人员构建了一个神经网络——一个模仿大脑连接的模型——来预测哪些孩子会在一年内从较低的心理健康风险转变为较高的风险。然后，该模型用于评分问卷，根据患者或家长对当前行为、感受和症状的回答，预测病情恶化的可能性。
结论
该研究发现，该模型在识别研究中未来一年内病情恶化的患者方面的准确率为84%。杜克大学研究人员分析了另一种模型，该模型识别可能导致或触发心理健康状况恶化的潜在机制。新模型的准确率为75%，其识别潜在原因的能力可以提醒医生和家庭采取可能的干预措施，研究人员总结道。
2 | 通过筛查阿片类药物使用障碍减少再入院
美国国立卫生研究院于4月3日发布了一项研究，发现一种AI智能筛查工具在识别住院成人阿片类药物使用障碍风险方面与医疗提供者一样有效，并将他们转介给住院成瘾专家。
与接受医疗提供者咨询的患者相比，由AI筛查的患者在初次出院后30天内的再入院几率降低了47%，节省了近109,000美元的护理成本。
这项发表在《自然医学》杂志上的研究报告了完成的临床试验结果，展示了AI在实际医疗环境中的潜力。研究表明，投资AI可能是希望增加成瘾治疗可及性同时提高效率和节约成本的医疗系统的一个有前途的战略。
AI筛查工具被设计为识别数据中的模式，类似于我们的大脑处理视觉信息的方式。它实时分析电子健康记录中的所有文档，如临床笔记和病史，以识别与阿片类药物使用障碍相关的特征和模式。一旦识别出，系统会在提供者打开患者的医疗记录时发出警报，建议订购成瘾医学咨询，并监测和治疗戒断症状。
结论
试验发现，AI提示的咨询与提供者发起的咨询同样有效，确保了质量没有下降，同时提供了一种更可扩展和自动化的解决方案。具体来说，当医疗专业人员使用AI筛查工具时，1.51%的住院成人接受了成瘾医学咨询，而在没有AI工具帮助的情况下，这一比例为1.35%。此外，AI筛查工具与较少的30天再入院相关，大约8%的住院成人在接受AI筛查组中再次入院，而传统提供者主导组的比例为14%。
3 | 部署AI治疗聊天机器人与标准认知疗法
生成式AI（GenAI）聊天机器人在大规模提供高度个性化且有效的心理健康治疗方面具有潜力，同时还可以解决数字疗法中常见的用户参与度和保留率问题，最近发表在《新英格兰医学杂志》上的一项AI研究指出。
达特茅斯学院研究人员对Therabot进行的随机对照试验发现，对于重度抑郁症、广泛性焦虑症和高风险进食障碍患者，其“显著减轻了症状”。
达特茅斯学院发布的新闻稿指出，试验参与者认为他们可以信任治疗聊天机器人，程度与与真实治疗师合作相当。
结论
经过微调的GenAI聊天机器人为大规模提供个性化的心理健康干预提供了可行的方法，但需要进一步的研究和更大的临床样本以确认其有效性和普遍适用性，研究指出。
达特茅斯学院技术和行为健康中心及盖塞尔医学院精神病学助理教授迈克尔·海因兹（Michael Heinz）表示，“目前还没有生成式AI代理准备好在心理健康领域完全自主运作。”他强调，“我们仍然需要更好地理解和量化生成式AI在心理健康背景下的风险。”
(全文结束)
