《Asian Journal of Psychiatry》：Artificial intelligence in psychiatry: current and emerging trends, clinical applications, and research gaps explored through a bibliometric analysis
编辑推荐：
人工智能在精神病学中的应用研究趋势与主题分析，通过文献计量方法分析1980-2025年Web of Science数据库中2328篇论文，发现2014-2017年神经生物学标志物为主，2018-2020年早期精神病和fMRI突出，2021年后神经退行性疾病和连接概念上升，2024-2025年心理健康、数字健康和可解释性成为焦点。
Ezgi Cellat | Emre Demir
土耳其乔鲁姆省埃罗尔·奥尔乔克教育与研究医院精神病学系
摘要
目的
本研究旨在利用文献计量学方法分析精神病学领域基于人工智能（AI）的科学出版物，以识别主要研究主题、趋势及未来发展方向。
方法
筛选了1980年至2025年间发表在《Web of Science》“精神病学”类别中的原始研究文章，搜索关键词包括“人工智能”、“机器学习”和“深度学习”。共有2,328篇原始研究文章被纳入分析。分析工作使用RStudio中的Bibliometrix软件包完成，包括出版趋势分析、关键词分析、趋势分析和因子分析。
结果
关键词分析显示，抑郁障碍、精神分裂症、自杀、焦虑症、双相情感障碍、精神病和数字健康等主题较为突出。趋势分析表明：2014至2017年间神经生物学标志物是研究重点；2018至2020年间早期精神病、症状严重程度和功能性磁共振成像（fMRI）成为研究热点；2021年后神经退行性疾病及神经连接性概念受到重视。2024–2025年间“心理健康”、“数字健康”和“可解释性”等主题的兴起反映了医疗服务的数字化以及人们对算法透明度的日益关注。
结论
研究结果表明，AI在精神病学领域不仅对诊断和预测具有变革潜力，还能推动数字健康、个性化治疗、伦理治理和社区心理健康的发展。不过，外部有效性、数据异质性、可解释性和伦理整合仍是需要解决的关键研究问题。
引言
精神病学是一门专注于精神障碍诊断、治疗和预防的重要医学学科（Insel和Quirion，2005）。随着患病率的增加、临床多样性的提升以及社会成本的上升，该领域对更有效诊断和治疗方法的需求日益迫切。在此背景下，人工智能（AI）、大型语言模型（LLM）、机器学习（ML）和深度学习（DL）算法为精神病学研究和临床实践带来了巨大机遇（Gutierrez等，2024）。AI处理大数据集、识别复杂模式和开发预测模型的能力为精神障碍的早期诊断、病情预测及个性化治疗方案提供了有力支持（Volkmer等，2024）。
近年来，LLM成为备受争议的研究方向。Elyoseph等（2024）指出ChatGPT-4在识别文本和视觉情绪线索方面表现接近人类水平，但也存在伦理和数据安全方面的局限性；Dergaa等（2024）认为ChatGPT在复杂临床场景中可能提供不准确甚至危险的建议，建议其目前仅应作为辅助工具使用。Elyoseph和Levkovich（2023）的研究显示ChatGPT对自杀企图风险的评估常低于专业心理健康人员。
LLM不仅用于临床评估，还应用于教育、患者管理和心理治疗过程。例如，ChatGPT可用于精神病学教学中的案例分析，有助于提升学生的临床推理能力（Smith等，2023）。尽管“数字治疗师”概念备受讨论，但治疗联盟、同理心和伦理因素仍被认为是人类治疗师无法替代的（Grodniewicz和Hohol，2023；Rubin等，2024）。AI系统对临床医生的影响也是研究焦点。Blease等（2024）的调查表明，约一半的精神病医生使用ChatGPT等LLM处理临床问题，但多数人对它们的可靠性及对职业未来的影响表示担忧。Cross等（2024）的研究显示，社区成员和心理健康专业人士普遍认可AI解决方案在可访问性、成本效益和个性化方面的优势，但也担心其减少人际互动、算法偏见和数据隐私问题。
讨论
本研究结果对临床实践、研究和卫生政策具有重要意义。AI技术可在抑郁、精神分裂症和自杀等领域的诊断、风险分层和随访中发挥补充作用。此外，AI研究应在进食障碍和强迫症等研究较少的语境中得到进一步拓展。
结论
文献计量分析显示，精神病学领域的AI相关文献数量自2018年后快速增长，2025年达到峰值。关键词分析表明，研究重点集中在抑郁障碍、精神分裂症、自杀、焦虑症、双相情感障碍和精神病以及数字健康方面。MRI/fMRI、静息态fMRI、神经影像学和神经连接性在影像学和神经科学研究中的重要性日益凸显。
伦理声明
本文未涉及任何涉及人类受试者或动物的研究。
资助
本研究未获得任何资助。
作者贡献声明
Emre Demir：撰写 – 审稿与编辑、初稿撰写、数据可视化、验证、软件选择、方法论设计、数据分析、数据整理。
Ezgi Cellat：撰写 – 审稿与编辑、初稿撰写、数据可视化、验证、研究监督、软件选择、资源协调、方法论设计、调查实施、数据分析、概念构建。
利益冲突声明
作者声明不存在可能影响本研究结果的财务利益或个人关系。
致谢
作者声明无需特别致谢。
数据获取
数据可通过联系通讯作者获取。
