本文简要总结了人工智能的重要进展，它将很快影响日常临床环境中的精神卫生保健方式。其结果将是结合传统和循证补充替代医学(CAM)模式的更个性化的治疗，对许多常见精神健康问题的更有效和更具成本效益的治疗，以及改善的结果。

人工智能对改善精神卫生保健的承诺人工智能包含对精神卫生保健的巨大承诺(Dilsizian 2014 ),因为它将允许从业者：

从庞大的患者医疗信息数据集中快速提取有用的信息，这在以前是很难访问且非常耗时的。快速访问关于各种西方医学和CAM模型的可靠资源和最新信息。使用先进的AI工具指导您确定最佳治疗方案，以解决许多常见的心理健康问题，并预测治疗结果。

为了在医学和心理健康护理中具有实际的临床应用，人工智能系统必须包含能够处理大量结构化数据的机器学习软件和能够挖掘非结构化数据(例如电子叙事文本)的自然语言处理(NLP)软件。健康记录和医学图像数据。为了帮助医疗保健提供商做出临床决策，人工智能系统必须经过“训练”，以达到特定医学知识领域所需的专业水平。培训结束后，保持最新的相关医疗数据至关重要。支付者和提供者之间的广泛数据共享对此至关重要(Kayyali 2013)。IBM Watson AI系统是同时包含机器语言和NLP功能的系统的一个例子，已经广泛应用于癌症研究(Lohr 2016)。

AI程序结合神经网络算法，用于表征被治疗症状、不同治疗方法和临床结果测量之间的复杂非线性关系，这是传统软件工具难以确定的。深度学习是基于神经网络的算法的最新分支，可以研究数据中复杂的非线性关系，但这些复杂的非线性关系很难或无法用先进的软件来表征。近年来，深度学习算法被用于识别以前无法分析的功能性脑成像研究数据中的复杂非线性关系(Vieiraa et al. 2017)。

“大数据”使得分析大量复杂的医疗数据成为可能。

“大数据”是指非常庞大和复杂的数据集，但现有的数据处理方法无法提供有用的分析。大数据分析方法的进步将很快使文献研究自动化，从而产生关于各种补充和替代医学(CAM)方法的高质量信息。让大数据对医疗和精神卫生保健决策有用并不是一个简单的问题，因为支付方和提供方拥有同一患者的不同类型的机密数据，这些数据通常以不同的方式编码。在大数据中，通常会在微观层面的准确性和宏观层面对治疗益处的洞察之间进行权衡。通过结合多个领域的大数据集(如临床研究数据、质量改进数据、电子健康记录，Matthews 2014)。