近日，窝窝视频网彭玉佳实验室在Current Opinion in Behavioral Sciences杂志上发表了题为“Artificial intelligence in mental health: innovations brought by artificial intelligence techniques in stress detection and interventions of building resilience”的综述文章。该研究系统探讨了人工智能（Artificial Intelligence AI）技术在心理健康领域，尤其是在压力相关问题的检测和个性化干预中的革命性应用。
近年来，人工智能（础滨）技术的飞速发展正深刻改变着心理健康领域，尤其是在压力相关问题的检测与评估中展现出巨大潜力。传统的压力检测方式，如问卷和生理指标，存在主观性、成本高、效率低等问题。经典干预方法虽有效，但缺乏个性化，难以监控进展，并无法提供即时支持，有限的资源也限制了提供长期支持的可能性。
针对这些挑战，本研究综述了AI技术与心理健康的整合，聚焦于AI在压力检测和筛查方面的潜力，为上述挑战提供了新的视角。大量研究表明，AI通过机器学习技术，结合生理、行为和环境数据，能够有效评估并预测与压力相关的心理问题。通过监督学习(supervised learning)和大语言模型(Large language models, LLM)等技术，AI能够分析压力和焦虑的生物标志物，精确识别个体的心理健康问题。这些算法可以在大规模人群中实现早期发现，为及时干预奠定基础。
基于AI技术在压力检测中的精准性，研究进一步综述了AI驱动的压力干预技术。传统的压力管理和增强心理韧性的方法，如认知行为疗法和正念疗法，虽然有效，但耗时耗力，且对个体差异考虑不足。AI技术可通过减少人工工作负担、提高咨询资源的利用效率，尤其能够为资源有限地区的人群提供更多支持。此外，传统干预依赖主观报告，难以精准评估神经生物学机制，而AI能通过实时数据分析和个性化预测，更精准地定制干预措施。因此，本综述提出两个主要方向：AI大语言模型（LLM）用于对话式的心理治疗干预，以及基于机器学习的解码神经反馈（Decoded Neurofeedback , DecNef）用于神经调节干预。
本综述提出，础滨大语言模型真正融入心理治疗需要“人工智慧”，如要求础滨具备理解情感的能力和嵌入的价值体系，使其能够自我纠正、考虑伦理道德，分享人类的社会价值观和社会规范。本研究也综述了通过解码神经反馈进行个性化训练的前景，即这种技术能够通过分析个体大脑的神经活动，帮助个体构建应对压力的心理韧性，从而揭示干预的神经生物学机制，实现精准评估和个性化干预。
图1. 人工智能在自动化压力检测和个性化压力干预中的应用。（顶部）通过从面部表情、对话和神经信号中提取的多模态特征，监督机器学习（ML）提取生化指标、情绪状态和心理状态的特征，进而预测个体的心理状态。大语言模型（LLM）通过日常基于文本的对话促进压力检测。（底部）此外，基于个体特征，人工智能通过支持自然语言处理的心理治疗和针对神经调控的解码神经反馈（DecNef）促进个性化的压力干预。
总结而言，本研究综述了压力和心理韧性领域所面临的挑战，评估了础滨技术在该领域实际应用中的有效性，并详细讨论了其在现实应用中面临的主要挑战和未来的发展前景。该综述认为，础滨技术正在推动心理健康领域的转型，突破了传统的评估和治疗方式，为个性化、精准化的心理健康评估与干预提供了全新思路。
彭玉佳研究员和刘峰为该文章的通讯作者，博士后鞠芊芊为论文的第二作者。该研究为础滨在心理健康中的应用提供了坚实的理论依据和未来发展方向，同时也为应对心理健康领域的重大挑战提出了创新性的解决方案。
论文链接：
https://www.sciencedirect.com/science/article/pii/S2352154624001037
引用
Liu, F., Ju, Q., Zheng, Q., & Peng, Y. (2024). Artificial intelligence in mental health: innovations brought by artificial intelligence techniques in stress detection and interventions of building resilience. Current Opinion in Behavioral Sciences, 60, 101452. https://doi.org/https://doi.org/10.1016/j.cobeha.2024.101452
2024-10-08