本研究探讨了利用机器学习结合智能手机的主动和被动数据，预测青少年心理健康风险的可行性。结果表明，这种数据结合显著提高了预测精度，展示了数字工具在早期干预中的潜力。

本研究提出了一种基于大型语言模型的方法，通过分析自由对话特征来检测认知衰退。这种方法有效且快速，能够为老年人提供早期干预支持，解决认知和神经功能障碍的早期检测问题。

本文提出了一种结合大型语言模型和可解释人工智能的方法，以及时检测社交媒体上的抑郁症状。通过集成BERTweet和ChatGPT，提升了解释能力，促进心理健康的早期干预，为数字平台提供有效支持，帮助识别心理健康问题并提供及时救助。

研究表明，社交媒体，尤其是 Reddit，成为自杀意念和心理健康评估的重要资源。通过深度学习和弱监督方法，研究者提高了自杀风险评估模型的性能，分析社交媒体数据以预测抑郁和其他心理障碍，提供早期干预的可能性。这些方法有效应对了数据稀疏性挑战，推动了心理健康监测的创新。