抑郁障碍检测与诊断的人工智能模型综述
人工智能
2026-05-01 v2
摘要
重度抑郁障碍是全球残疾的首要原因之一，但其诊断仍主要依赖主观的临床评估。将人工智能 (AI) 集成到诊断中蕴含着开发客观、可扩展且及时诊断工具的潜力。本文我们基于系统性综述 55 项关键研究，present了用于抑郁障碍检测与诊断的最新 AI 方法。我们引入一种新颖的分层分类法，按主要临床任务 (诊断 vs. 预测)、数据模态 (文本、语音、神经影像、多模态) 和计算模型类别 (如图神经网络、大语言模型、混合方法) 结构化该领域。我们的深入分析揭示了三个主要趋势：图神经网络在建模脑连接性方面占据主导地位，大语言模型在语言和对话数据方面兴起，以及对多模态融合、可解释性和算法公平性的关注日益增长。除了方法ological见解，我们还提供了突出的公共数据集和标准评估指标，以实用指南为研究人员提供支持。通过综合当前进展并突出开放挑战，本综述为计算精神医学的未来创新提供了全面的路线图。
引用
@article{arxiv.2508.12022,
title = {AI Models for Depressive Disorder Detection and Diagnosis: A Review},
author = {Dorsa Macky Aleagha and Payam Zohari and Mostafa Haghir Chehreghani},
journal= {arXiv preprint arXiv:2508.12022},
year = {2026}
}