<![CDATA[Deteksi dini gangguan kesehatan mental menjadi krusial karena keterlambatan penanganan gejala awal depresi, kecemasan, dan risiko bunuh diri berkontribusi terhadap perburukan kondisi klinis serta meningkatnya beban psikososial pada individu maupun sistem layanan kesehatan. Berbagai tinjauan sistematis telah mengevaluasi penerapan kecerdasan buatan (AI) untuk mendeteksi gangguan mental pada modalitas data yang berbeda secara terpisah, namun sintesis lintas modalitas yang relevan bagi praktik psikologi masih jarang tersedia. Kajian ini bertujuan mensintesis bukti dari tinjauan sistematis dan meta-analisis yang diterbitkan pada rentang 2021-2026 mengenai penerapan AI untuk deteksi dini gangguan mental pada lima modalitas data, yaitu teks dan media sosial, suara, sinyal elektroensefalogram, perangkat wearable, dan prediksi risiko bunuh diri. Sintesis dilakukan melalui penelusuran pustaka pada mesin pencari akademik, penyaringan bertahap berdasarkan kriteria kelayakan, dan sintesis naratif atas dua puluh tinjauan yang memenuhi syarat. Hasil sintesis menunjukkan bahwa model pembelajaran mesin dan pembelajaran mendalam secara konsisten mencapai akurasi klasifikasi tinggi pada seluruh modalitas, dengan performa tertinggi ditemukan pada model prediksi risiko bunuh diri dan analisis suara otomatis, sementara heterogenitas metodologis dan minimnya validasi klinis prospektif membatasi kesiapan penerapannya. Integrasi AI ke dalam praktik skrining psikologi memerlukan standardisasi protokol, validasi lintas populasi, dan mekanisme interpretabilitas model yang memadai]]>
