Knowledge Mapping and Frontier Analysis of Artificial Intelligence Applications in Mental Health Interventions: A CiteSpace‑Based Bibliometric Analysis
这项基于 CiteSpace 的、针对 1,685 篇 Web of Science 文章的文献计量分析显示,自 2023 年以来,关于人工智能驱动的心理健康干预的研究出现了剧增,突显了中国和美国的重要贡献,同时识别了当前在大语言模型和伦理挑战方面的热点,以及对标准化临床转化和多国协作的迫切需求。
原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明
几十年来,世界一直在面临一场无声的精神卫生护理危机。面临焦虑、抑郁和其他心理问题的患者人数,远远超过了能够提供帮助的受过培训的治疗师人数。这种短缺是全球性的,且等待名单漫长。近年来,一种新型技术应运而生,旨在填补这一空白:大语言模型。这些是基于海量文本训练的计算机系统,能够以令人惊讶的流利度理解并生成人类语言。它们可以进行对话、提供情感支持,甚至模拟治疗师的技术。其愿景是,这些工具可以充当桥梁,为目前无法获得任何护理的数百万人提供即时、可及的护理。但随着这些数字助手不断涌现,一个关键问题仍然存在:它们真的有效吗?我们如何知道哪些是安全的?
为了回答这个问题,来自中国和美国的科研团队决定退后一步,审视该领域的整个研究版图。他们并没有测试单个聊天机器人或进行新的实验,而是收集并分析了来自 Web of Science 数据库的 1,685 篇已发表的研究论文。这是一个庞大的学术研究集合。他们使用了一种名为 CiteSpace 的专业软件工具,来绘制该领域如何增长、谁在从事这项工作以及正在提出哪些问题。结果清晰地展示了一个正在爆发式增长、但仍在现实世界中寻找立足点的领域。
这个研究领域的故事是一个关于突然加速的故事。在将近四十年的时间里,从 1982 年到 21 世纪初,每年发表的研究数量都很少,通常在一到十篇之间徘徊。研究人员当时只是在探索这个想法,但进展缓慢且零散。然后,在 2023 年,一切都改变了。那一年,出版物数量从 22 篇跃升至 65 篇。增长并未止步于此;它激增至 2024 年的 183 篇论文,2025 年接近 600 篇,并在 2026 年年中达到了 644 篇。这种剧烈的飙升与先进生成式人工智能工具(如现在可以写故事和回答复杂问题的聊天机器人)的公开发布完美契合。数据表明,这些强大新技术的到来引发了学术界的狂热,驱动过去四年的研究总量占到了该领域有史以来所有工作的 93%。
当研究人员观察谁在推动这场爆发时,他们发现了一种明显的全球化努力模式。中国产出的论文最多,共 534 篇,紧随其后的是美国,拥有 438 篇。英国、日本和韩国等其他国家也做出了显著贡献。然而,协作图谱所呈现的故事与生产图谱有所不同。虽然中国拥有最高的论文数量,但其研究人员在全求网络中的连接程度不如其美国同行那样紧密。美国处于协作网络的最中心,作为一个枢纽,将来自许多不同国家的科研人员联系在一起。相比之下,中国的研究虽然产量丰富,但在该网络中显得有些孤立。这表明,虽然许多国家都在产出成果,但美国目前是该特定领域连接思想和促进国际合作的主要引擎。
处于领先地位的机构大多是美国和欧洲的主要大学。哈佛大学、加州大学系统和伦敦大学都是研究的主要生产者。这些团体不仅是在构建更好的聊天机器人,还在对其进行严格测试。他们正在调查这些人工智能工具是否能够准确诊断抑ه症或强迫症等疾病。他们正在进行临床试验,以观察与传统护理相比,与计算机程序交谈是否真的能改善患者的症状。他们还非常关注安全性,研究这些系统在用户表达自杀念头时可能如何失效,以及它们如何处理敏感的文化差异。
尽管数量增长迅速,但研究人员发现该领域仍处于成熟的早期阶段。文献中最常见的主题集中在技术本身:如何让模型更好地理解人类情感,如何针对认知行为疗法等特定疗法对其进行训练,以及如何确保它们不会捏造事实或给出危险建议。研究中强调了“计算建模”,这意味着利用数学来理解人类大脑如何做出决策,以及这些数字工具如何模仿这些过程。研究人员也在努力创造更好的衡量方法,以评估这些工具是否真正有效,从而超越简单的测试,看它们是否能在实际的诊所和社区中心投入使用。
然而,实验室与医院之间仍存在巨大的鸿沟。分析显示,虽然存在大量的技术验证和小规模测试,但缺乏证明这些工具对普通人群安全且有效的大规模、现实世界研究。目前的大多数工作仍在于证明这项技术“可以”奏效,而不是证明它在日常生活中对每个人都“确实”奏效。研究人员指出,隐私问题、患者产生过度依赖的风险以及对人类监督的需求等问题仍在解决之中。目前还没有单一的标准化的方式来评估这些工具,而获得广泛临床应用批准的路径也尚不明确。
作者总结道,该领域目前是由新技术带来的兴奋感所驱动,但需要转向为未来建立坚实的基础。他们建议,下一步不仅仅是构建更多的模型,而是要让来自不同国家和学科的研究人员共同协作,开展大规模、长期的研究。他们呼吁制定明确的规则,规定人类与人工智能在治疗中应如何协作,确保技术在支持患者的同时,不会取代本质的人际连接。数据表明,这是一个增长速度超过其基础设施建设的领域,这里潜力巨大,但从一个充满希望的想法转变为可靠的、救命的工具,其旅程仍处于进行之中。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。