根據《Mirage News》報導，一項由研究人員發表在《Discover Artificial Intelligence》期刊的最新研究顯示，人工智慧（AI）模型已能有效辨識醫護人員的「心理社會韌性」水平，這項技術有助於醫療機構早期發現並介入有心理健康風險的專業人士。

研究團隊運用邏輯迴歸（Logistic Regression）、隨機森林（Random Forest）及支持向量機（Support Vector Machine, SVM）等三種機器學習模型進行訓練，旨在預測醫護人員主動應對壓力的能力，而非傳統上關注的倦怠議題。在測試中，邏輯迴歸模型表現最佳，準確度達到 75.6%，其曲線下面積（ROC curve）為 0.816，優於隨機森林的 72.6% 和 SVM 的 70.8%。

這些模型是利用「芝加哥大學國家民意調查中心」（NORC at the University of Chicago）於 2021 年至 2022 年間，在美國收集的「當前心理健康與應對方式（How Right Now Mental Health & Coping）」資料集所建立。該資料集包含了 2,055 名美國受訪者的數據。研究人員基於韌性（resilience）、復原能力、控制感及自信心這四項心理測量變數，創建了一個韌性指數，並區分為高低兩個水平。

模型分析指出，壓力（權重 0.182）、憂鬱（權重 0.160）及焦慮（權重 0.145）是預測低韌性最主要因素，其次是不抱希望感及睡眠變化。雖然尋求社會支持、培養興趣、禱告和冥想等應對策略與較高的韌性相關，但在模型中的權重相對較低。不過，研究也發現，採取多種應對策略的受訪者，其韌性分數普遍高於僅使用單一策略者。

研究人員也坦承研究存在限制，例如資料是單一時間點的橫斷面數據、依賴受訪者自我報告，且樣本僅來自美國。這可能限制了該模型應用於其他醫療體系的普適性，包括拉丁美洲。未來研究將著重於在拉丁美洲醫護人員中驗證此模型，並考慮納入睡眠數據或生理指標等額外資訊。研究作者建議，這類模型無需複雜的 AI 系統，即可供職業健康部門用於早期辨識高風險個體，進而提供適時協助。