范围综述：青少年AI心理健康应用研究集中于风险预测，症状改善与安全性证据有限

目的 梳理面向青少年的人工智能（AI）心理健康应用，并区分现有证据在临床功能、预测或诊断性能、症状层面有效性、安全性、治理及实施准备度方面的可用情况。设计 依据Joanna Briggs Institute指南开展范围综述，并按系统综述和Meta分析首选报告条目（PRISMA）范围综述扩展版进行报告。数据来源 检索PubMed/MEDLINE、Scopus、Cochrane Library和ScienceDirect，检索时间范围为2014年1月1日至2026年6月17日。纳入标准 纳入英文同行评议来源，涉及面向青少年或学龄期青年的AI辅助筛查、预测、评估、监测、治疗支持、照护导航、安全保障或实施。排除仅针对成人的研究、非AI数字工具、无结果的方案以及无法核实或推广性质的来源。制表与综合 对原始研究和证据综合分别进行分析。95项原始研究按互斥的主要AI模态和临床功能类别进行归类；有效性、安全性和实施领域为非互斥。结果 数据库检索共识别11 167条记录，修订期间另识别并评估1项证据综合；最终纳入103个来源，包括95项原始研究和8项证据综合。结构化数据机器学习是主要模态（42/95，44.2%），风险预测或预后是主要临床功能（45/95，47.4%）。83项研究报告了预测或诊断性能（87.4%），但仅1项报告了症状层面有效性（1.1%）。没有原始研究提供专门的前瞻性AI安全性评估。实施证据集中于偏倚或公平性监测（28/95，29.5%）、隐私或数据治理（26/95，27.4%）、人工监督（19/95，20.0%）、可接受性（18/95，18.9%）和可行性（15/95，15.8%）。没有研究将持续常规照护规模化或实施成本作为主要结局进行评估。结论 在检索到的证据基础中，青少年心理健康AI研究集中于技术开发，关于临床获益、安全性和常规实施的前瞻性证据有限。该领域以预测和内部验证为主，而症状层面获益、前瞻性安全性、工作流程整合、规模化和可持续性在很大程度上仍未得到检验。未来应用应作为有监督、人在回路中的系统进行评估，并针对知情同意、隐私、公平性、问责和危机升级设置明确保障措施。

中文由 AI 翻译，仅供参考，以原文为准。