 图说：人工智能与精神健康论坛 采访对象供图（下同） 方兴未艾的人工智能技术，与日益得到重视的精神健康有哪些颇具潜力的交叉碰撞？人们能不能通过大数据和人工智能新技术，找到诊疗精神疾病的客观标准，加速攻克这一人类最后的疾病堡垒？ 昨天，人工智能与精神健康论坛召开。论坛从“人工智能与精神健康研究前沿”“人工智能助力心理健康评估与干预新进展”“人工智能推进精神疾病诊疗新突破”等视角，邀请20多位中国、美国、德国的知名专家学者开展跨界探讨，逾34万人次观看了会议直播。 论坛由天桥脑科学研究院（TCCI）人工智能和精神健康前沿实验室（上海精中）和国家精神疾病医学中心脑健康研究院主办。 找到个性化诊疗方法 美国斯坦福大学医学院林妮·威廉姆斯教授介绍了其研究团队在抑郁症生物学分型及分类治疗中的研究进展。研究团队通过功能性磁共振成像技术划分人群大脑成像数据，将其分为6个不同的神经环路，以此为基础对患者进行区分，并为个体患者定制了个性化治疗方案。结果显示，施加针对性治疗可以改善患者的脑部情况，包括加强前额叶的连接、改善认知功能等。 上海市精神卫生中心彭代辉教授表示，通过采集患者的音频、视频、脑电、眼动以及生理学数据可以建立抑郁障碍多模态信息库，进而通过深度学习进行特征提取，建立多模态融合预测和诊断模型。这些数字科技可以辅助临床对抑郁障碍进行诊断。  记者了解到，上海市精神卫生中心正在与天桥脑科学研究院联合推进人工智能在精神健康前沿领域的研究和应用转化，重点关注精神疾病的评估方法及干预多模态的数据库建立，作为国家精神疾病医学中心将为人工智能在精神疾病的诊疗新技术方面提供支撑。 人工智能助力心理健康评估 上海市精神卫生中心王继军教授分享了在临床高危精神病综合征群体中的研究，基于脑电信号的人工智能风险预警模型对精神疾病的生物预测准确度可以达到90%。人工智能模型可以帮助寻找精神疾病发展中的多种生物标志物，便携式脑电测量设备也有助于医生对精神疾病的发展进行动态评估。 中南大学湘雅第二医院王湘教授介绍了通过认知计算建模帮助解析抑郁症自杀行为的研究进展。她对目前提出的两种抑郁症自杀预测模型进行了验证，发现对心理痛苦逃避的强烈动机的持续存在是抑郁症自杀行为发生的重要基础。因此，在进行自杀干预时需要针对患者的损失厌恶倾向，调整患者心理出现的过度负性事件估值，降低自杀倾向。 充满前景的人工智能应用场景 复旦大学类脑智能科学与技术研究院院长冯建峰教授介绍，团队开发的全新痴呆风险预测模型，可提前十年预测痴呆发病，准确率达85%。从数据出发，通过AI算法可以对疾病的产生理论进行研究，甚至形成治疗方法，关键点和难点是，数据和算法能不能对精神疾病亚型进行分类预测。 中国科学院心理研究所朱廷劭教授分享了利用各种设备，在自然状态下获取用户的多种行为数据，比如步态、微表情、语音等信息，通过机器学习自动识别抑郁症患者的心理状态。该研究可为抑郁症的辅助诊断以及治疗过程中的状态监测提供帮助。 上海交通大学吕宝粮教授系统介绍了基于多模态情感脑机接口的抑郁症客观评估。目前，多种可获取人体生理信号的穿戴设备的研发、强大的数据计算能力、深度学习的迅猛发展，为开发抑郁症客观评估技术奠定了基础。团队最近开发了一种新的情绪诱发素材——油画，在被试观看油画的过程中收集眼动信号，识别情绪。相对脑电信号，眼动信号比较容易处理，是适于作为临床指标的生理信号。吕宝粮表示，他们的目标是实现精神疾病的客观指标金标准。 新民晚报记者 郜阳 |
|
|
