論文の概要: AI for Proactive Mental Health: A Multi-Institutional, Longitudinal, Randomized Controlled Trial
- arxiv url: http://arxiv.org/abs/2601.11530v1
- Date: Tue, 18 Nov 2025 19:16:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.737991
- Title: AI for Proactive Mental Health: A Multi-Institutional, Longitudinal, Randomized Controlled Trial
- Title（参考訳）: 積極的メンタルヘルスのためのAI:多施設型、縦型、ランダム化制御試験
- Authors: Julie Y. A. Cachia, Xuan Zhao, John Hunter, Delancey Wu, Eta Lin, Julian De Freitas,
- Abstract要約: バイトサイズの幸福な介入は、臨床レベルに達する前に精神的な苦痛を防ぐための有望な解決策を提供する。
我々は,このギャップに対処するために,AIを活用した生成モバイルアプリ("Flourish")の複数施設,縦型,事前登録されたランダム化試験を行った。
- 参考スコア（独自算出の注目度）: 1.1764400225388376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Young adults today face unprecedented mental health challenges, yet many hesitate to seek support due to barriers such as accessibility, stigma, and time constraints. Bite-sized well-being interventions offer a promising solution to preventing mental distress before it escalates to clinical levels, but have not yet been delivered through personalized, interactive, and scalable technology. We conducted the first multi-institutional, longitudinal, preregistered randomized controlled trial of a generative AI-powered mobile app ("Flourish") designed to address this gap. Over six weeks in Fall 2024, 486 undergraduate students from three U.S. institutions were randomized to receive app access or waitlist control. Participants in the treatment condition reported significantly greater positive affect, resilience, and social well-being (i.e., increased belonging, closeness to community, and reduced loneliness) and were buffered against declines in mindfulness and flourishing. These findings suggest that, with purposeful and ethical design, generative AI can deliver proactive, population-level well-being interventions that produce measurable benefits.
- Abstract（参考訳）: 若者は現在、前例のない精神的な健康上の問題に直面しているが、アクセシビリティ、スティグマ、時間的制約といった障壁のために、多くの人は支援を求めるのをためらっている。
バイトサイズの幸福な介入は、臨床レベルに達する前に精神的な苦痛を防ぐための有望な解決策を提供するが、パーソナライズされ、インタラクティブでスケーラブルな技術を通じてはまだ提供されていない。
我々は,このギャップに対処するために,AIを活用した生成モバイルアプリ("Flourish")の複数施設,縦型,事前登録されたランダム化試験を行った。
2024年秋の6週間にわたって、3つの米国機関の486人の大学生が、アプリアクセスやウェイトリストの制御を受けるためにランダム化された。
治療条件の参加者は, 肯定的影響, レジリエンス, 社会的幸福感(自尊心の増大, 地域への近さ, 孤独感の低下)が有意に増加し, 心力低下や繁栄に対して緩衝した。
これらの結果は、目的的かつ倫理的な設計により、生成的AIは、測定可能な利益をもたらす、積極的で人口レベルの幸福な介入を提供することができることを示唆している。
関連論文リスト
- Mental Health Generative AI is Safe, Promotes Social Health, and Reduces Depression and Anxiety: Real World Evidence from a Naturalistic Cohort [0.3499870393443268]
メンタルヘルスのために構築されたジェネレーティブ人工知能(GAI)は、安全でパーソナライズされ、スケーラブルなメンタルヘルスサポートを提供する。
我々はメンタルヘルスのために設計された基礎モデルを評価する。
論文 参考訳（メタデータ） (2025-11-12T09:16:20Z) - Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [58.61680631581921]
メンタルヘルス障害は、深い個人的・社会的負担を生じさせるが、従来の診断はリソース集約的でアクセシビリティが制限される。
本稿では、これらの課題を考察し、匿名化、合成データ、プライバシー保護トレーニングを含む解決策を提案する。
臨床的な意思決定をサポートし、メンタルヘルスの結果を改善する、信頼できるプライバシを意識したAIツールを進化させることを目標としている。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - Artificial Intelligence in Mental Health and Well-Being: Evolution, Current Applications, Future Challenges, and Emerging Evidence [3.0655356440262334]
本稿では、メンタルヘルスと幸福のためのAI分野における進化、現状、今後の課題について論じる。
メンタルヘルスにおけるAIの統合は、伝統的な治療とオープン・イノベーティブなソリューションを強化するために急速に成長している。
しかし倫理的な課題は、プライバシ、データセキュリティ、アルゴリズムの偏見に続きます。
論文 参考訳（メタデータ） (2024-12-13T22:06:35Z) - AI-Driven Early Mental Health Screening: Analyzing Selfies of Pregnant Women [32.514036618021244]
うつ病や不安障害は世界中で何百万もの人に影響を与え、精神疾患の重荷に大きく貢献する。
早期スクリーニングは、精神疾患のタイムリーな同定が治療成績を大幅に改善するので、効果的な介入に不可欠である。
本研究は、顔中心の自撮りを与えられたユビキタスな抑うつ不安スクリーニングのためのAIモデルの可能性について検討する。
論文 参考訳（メタデータ） (2024-10-07T19:34:25Z) - Enhancing Mental Health Support through Human-AI Collaboration: Toward Secure and Empathetic AI-enabled chatbots [0.0]
本稿では、スケーラブルなソリューションとしてのAI対応チャットボットの可能性について検討する。
メンタルヘルスの文脈で共感的で有意義な反応を提供する能力を評価する。
本稿では,データプライバシを保証し,バイアスを低減し,臨床医による継続的検証を統合して応答品質を向上させるためのフェデレート学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-17T20:49:13Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。