The role of AI-driven art therapy in supporting autism, mental health, and emotional well-being: An umbrella review
Notice bibliographique
Résumé
Background: The integration of artificial intelligence (AI) into therapeutic practices has introduced new possibilities for enhancing mental health interventions. Among these innovations, AI-driven art therapy has emerged as a promising approach, combining the expressive and healing aspects of traditional art therapy with the adaptive and analytical strengths of AI. This modality shows particular potential in supporting individuals with autism spectrum disorder (ASD), mental health challenges, and those seeking emotional well-being. Aim: This umbrella review aimed to synthesize and evaluate existing evidence on the application, effectiveness, and implementation of AI-driven art therapy in improving outcomes for individuals with ASD, mental health conditions, and emotional distress. Methods: A comprehensive search was conducted across multiple databases-including PubMed, Scopus, Web of Science, PsycINFO, IEEE Xplore, and ACM Digital Library-to identify systematic and scoping reviews that adhered to PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines. The methodological quality of included reviews was assessed using the Joanna Briggs Institute (JBI) checklist. Thematic analysis was applied to extract and synthesize recurring patterns and core themes across studies. Results: The findings revealed significant therapeutic benefits of AI-driven art therapy, including enhanced communication and emotional regulation in individuals with ASD, and reduced symptoms of anxiety, depression, and Post-Traumatic Stress Disorder (PTSD) in mental health populations. Additionally, the platforms improved emotional well-being through personalized engagement, self-reflection, and increased autonomy. However, technological barriers, ethical concerns, and accessibility issues were noted as key limitations. Conclusions: AI-driven art therapy represents a transformative and accessible tool in modern therapeutic practices. While challenges remain, its potential to support diverse populations through individually tailored and engaging interventions makes it a valuable complement to traditional mental health care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».