有一种强烈的观点认为医学诊断主要是溯因推理。有关其他详细信息，请参阅此演示文稿。一种自动溯因推理的方法是简约覆盖理论。

如果您想对所有这些进行相对深入的了解，请查看《Abductive Inference Models for Diagnostic Problem-Solving 》一书。

专家系统也被证明可以很好地用于医学诊断。早在 1970 年代，像MYCIN这样的系统就可以在诊断和治疗计划方面击败人类专家。

据我所知，原则上似乎没有任何理由认为 AI/ML 不能全面用于医疗诊断、心理健康或其他方面。

它已经在完成，而且显然效果非常好。

请参阅：通过机器学习预测随着时间的推移自杀企图的风险，Walsh，Ribiero，Franklin

这是论文的摘要：

预测自杀未遂的传统方法限制了对这些危险行为进行风险检测的准确性和规模。我们试图通过将机器学习应用于大型医学数据库中的电子健康记录来克服这些限制。参与者是 5,167 名自伤索赔代码（即 ICD-9、E95x）的成年患者；专家对记录的审查确定有 3,250 名患者企图自杀（即病例），1,917 名患者从事非自杀、意外或无法证实的自伤（即对照）。我们开发了准确预测未来自杀企图的机器学习算法（AUC = 0.84，精度 = 0.79，召回率 = 0.95，Brier 分数 = 0.14）。此外，准确性从自杀未遂前的 720 天提高到 7 天，并且预测指标的重要性随时间而变化。

这最近引起了全国媒体的关注。以下是关于结果和努力的几篇先前的文章：

人工智能正在学习预测和预防自杀（有线）

人工智能现在可以非常准确地预测自杀（石英）

强烈怀疑 ML 可用于与人类心理健康相关的一系列应用。例如，一个应用程序完全有可能根据活动或缺乏活动来辨别双相情感障碍患者的情绪波动。

您可以使用文本处理推断出一些心理问题。个人撰写的任何文本都包含许多有关其精神状态的线索，可能包括任何健康问题。

但是，我相信由于缺乏基本事实，追求这一点将被证明是困难的。没有多少人公开表示他们有精神问题，而且没有可靠的数据库，很难在该领域进行研究。