随着人们对心理健康的关注越来越多，对其复杂性的了解也越来越多，康奈尔理工大学博士候选人丹·阿德勒(Dan Adler)领导的一项新研究发现，对于我们在日常生活中如何经历心理健康症状，没有一个通用的方法。

　　利用人工智能，阿德勒正在识别趋势，提高我们对该领域的理解，使症状检测和治疗更有效。这项研究发表在《npj心理健康研究》杂志上。

　　虽然该研究发现人工智能目前在这种跟踪方面不可靠，但它为未来的研究提出了重要的问题，包括为目标人群定制、量身定制解决方案的潜力，以及在试图对大量不同人群实施广泛性中风诊断和解决方案时所固有的挑战。

　　阿德勒研究了智能手机数据等技术如何帮助测量与心理健康相关的行为。例如，智能手机可以跟踪GPS数据来监测与抑郁症状密切相关的移动——之前的研究人员发表的论文表明，那些整天移动较多的人比那些久坐不动的人更不容易出现抑郁症状。

　　阿德勒的研究还使用人工智能来发现行为和心理健康之间的相关性。他解释说，虽然一些研究认为这些测量的一致性，但他的团队，包括教师顾问Tanzeem Choudhury，计算机和信息科学教授以及Roger和Joelle Burnell综合健康与技术主席，专注于更大，更多样化的人群。

　　他们的研究表明，没有一套行为可以统一地衡量所有人的心理健康状况，这一发现强调了个性化衡量在精神卫生保健中的重要性。

　　尽管精神健康临床医生努力支持他们的病人，但阿德勒指出了护理中的重大挑战，特别是在测量方面。传统上，心理健康诊断和评估在很大程度上依赖于自我报告的信息、临床医生的观察以及来自家人和朋友的附带信息。这种方法往往使准确的诊断和治疗评估复杂化。

　　心理健康测量本质上是复杂的，而且往往缺乏客观的工具供临床医生使用，因为每个人对患者的进展看起来都不一样。阿德勒指出，历史上对更客观的测量方法的追求存在局限性，比如大脑中的生物标志物，或者他研究的智能手机测量方法。

　　他说:“研究不断强调，心理健康并不是那么简单。”他强调，尽管数据驱动的方法很有希望，但心理健康仍然是一种非常个人化和主观的体验。

　　阿德勒在谈到这篇论文时说:“我们使用人工智能工具来发现行为和心理健康之间的联系，但我们发现这些工具不是很准确。”他的研究表明，数据中存在相互矛盾的信号，表明一种适用于所有人的心理健康测量方法是无效的。相反，阿德勒提倡精准医疗和个性化工具，可以根据个人诱因或需求量身定制护理。

　　例如，他的论文表明，高手机使用可能与老年人的抑郁有关，而低手机使用可能与年轻人的抑郁有关，这表明需要额外的背景来理解行为如何准确影响心理健康。

　　乔杜里说:“可穿戴传感器和智能手机的前景可能在于它们能够解释差异，跟踪症状，并支持对个性化症状轨迹的精确治疗。”

　　Adler的工程背景和康奈尔理工学院的跨学科环境创造了一个独特的环境，在这个环境中，可以在多学科和多视角的背景下探索解决方案。他的工作受到个人精神卫生保健系统经验的影响，他的工作受到一种激情的驱使，即推进应对这些挑战的技术解决方案，并为患者和提供者创造一个更有效的护理系统。

　　他强调了现实世界对学术研究的影响的重要性，这一原则在康奈尔理工学院和乔杜里的“以人为本的计算”小组中根深蒂固，该小组致力于推进技术辅助福祉的未来。

　　对于未来的研究，阿德勒仍然认为利用人工智能解决获得护理挑战的巨大潜力。例如，阿德勒提到，新的大型语言模型工具可以弥合心理健康服务方面的差距。然而，他对不加批判地采用这些技术提出了警告。他认为，技术人员必须设置护栏，以确保这些系统提供有益的、而不是有害的指导。

　　阿德勒设想在精神卫生保健领域采用一种平衡的人工智能方法，其中人工智能既可以填补卫生保健系统中已知存在的空白，也可以作为补充现有护理实践的一种方式。阿德勒认为，使用人工智能来处理行政任务或总结信息可以提高效率，但评估这些工具以真正提高医疗服务质量至关重要。

　　更多信息:Daniel A. Adler等人，测量算法偏差以分析使用智能手机感知行为数据预测抑郁风险的人工智能工具的可靠性，npj心理健康研究(2024)。DOI: 10.1038/s44184-024-00057-y由康奈尔大学提供引文:人工智能工具揭示心理健康测量的复杂性(2024年，7月25日)检索自https://medicalxpress.com/news/2024-07-ai-tools-reveal-complexity-mental.html 2024年7月26日。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。