本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

数字精神医学中人工智能与机器学习的方法及影响

Methodology and impact of ai and machine learning for digital psychiatry

从可穿戴设备数据中提取的测量指标，可为抑郁筛查和症状严重程度评估提供客观信息，作为临床访谈的补充。然而，评估人工智能的临床影响，不应仅看预测准确性，还应考察其所生成的信息是否可靠、公平且可转化为实际行动。

本次演讲指出，随着人工智能（artificial intelligence，AI）日益广泛地用于筛查、症状评估、临床决策乃至治疗实施，临床医生需要了解这些技术的开发方式、局限性，以及将其转化为安全临床应用所需的条件。演讲以可穿戴技术为重点，简要回顾了基于人工智能的数字表型分析的方法学基础及其潜在临床影响，并以具体案例介绍了利用腕戴式可穿戴设备数据开发医疗器械软件（software as a medical device，SaMD）的过程：将持续采集的活动和生理数据转化为数字特征，再通过机器学习模型进行分析，以支持抑郁障碍筛查及症状严重程度评估。临床开发过程中获得的结果表明，源自可穿戴设备的测量指标能够提供客观信息，作为传统临床访谈和症状量表的补充。围绕这一案例，演讲讨论了临床转化面临的挑战，包括选择具有临床意义的特征和结局、防止过拟合（overfitting）、开展外部验证、确保对不同人群和环境的泛化能力、提高可解释性，以及融入临床工作流程；同时也探讨了潜在偏倚、隐私和数据治理问题。最后，演讲建议临床医生了解每种工具的预期用途和局限性，避免过度依赖人工智能的输出，并结合临床发现和患者的具体情况解读这些结果。

全部 WCP 2026 摘要