Jadwal Sholat

Memuat jadwal sholatโ€ฆ

Editorial Ilmu Komputer & AI

Open AccessOA2023

Tinjauan Pendekatan Machine Learning dan Deep Learning dalam Diagnosis Kesehatan Mental

Tinjauan berbasis PRISMA ini menganalisis 33 artikel tentang machine learning dan deep learning untuk mendiagnosis gangguan kesehatan mental, mengategorikan metodologi menurut gangguan, serta membahas tantangan dan dataset publik.
Ngumimi Karen Iyortsuun; Soo-Hyung Kim; M. Jhon; Hyung-Jeong Yang; Sudarshan Pantยท Healthcareยท 2023ยท DOI 10.3390/healthcare11030285

Masalah inti

Gangguan mental seperti depresi dan kecemasan telah menjadi perhatian global sehingga diperlukan metode diagnosis dan prediksi hasil pengobatan yang efektif. Pendekatan machine learning (ML) dan deep learning (DL) semakin banyak diintegrasikan ke dalam sistem layanan kesehatan untuk tujuan tersebut. Seiring meningkatnya minat terhadap metode ini, diperlukan analisis sistematis atas karya yang sudah ada untuk memandu penelitian selanjutnya. Tinjauan ini bertujuan menyintesis studi tentang diagnosis skizofrenia, depresi, kecemasan, gangguan bipolar, post-traumatic stress disorder (PTSD), anoreksia nervosa, dan attention deficit hyperactivity disorder (ADHD) dengan teknik ML/DL.

Inovasi

Tinjauan ini mengikuti metodologi Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Pencarian di berbagai database menghasilkan 33 artikel yang menggunakan teknologi ML dan DL untuk diagnosis kesehatan mental. Setiap publikasi dinilai secara individual, dan metodologi yang direkomendasikan dikategorikan menurut gangguan. Tinjauan ini juga membahas kesulitan yang dihadapi peneliti dan menyediakan daftar dataset publik.
Pendahuluan
Gangguan mental seperti depresi dan kecemasan telah menjadi perhatian global sehingga diperlukan metode diagnosis dan prediksi hasil pengobatan yang efektif. Pendekatan machine learning (ML) dan deep learning (DL) semakin banyak diintegrasikan ke dalam sistem layanan kesehatan untuk tujuan tersebut. Seiring meningkatnya minat terhadap metode ini, diperlukan analisis sistematis atas karya yang sudah ada untuk memandu penelitian selanjutnya. Tinjauan ini bertujuan menyintesis studi tentang diagnosis skizofrenia, depresi, kecemasan, gangguan bipolar, post-traumatic stress disorder (PTSD), anoreksia nervosa, dan attention deficit hyperactivity disorder (ADHD) dengan teknik ML/DL.

Mengapa penting

Tinjauan ini membahas tantangan yang dihadapi peneliti dalam menerapkan ML/DL untuk diagnosis kesehatan mental, seperti ketersediaan data, variabilitas kriteria diagnosis, dan interpretabilitas model. Kategorisasi metodologi menurut gangguan memberikan gambaran terstruktur tentang bidang ini. Daftar dataset publik berfungsi sebagai sumber daya untuk studi selanjutnya. Para penulis menekankan perlunya penelitian lebih lanjut untuk mengatasi tantangan tersebut dan meningkatkan efektivitas ML/DL dalam layanan kesehatan mental.

Siapa yang sebaiknya membaca

Pembaca Research Digest dan praktisi rumpun ini.

Membuka konten memberโ€ฆ