人工智能如何改变精神健康研究范式？

在数据驱动的时代，如何应对数据质量与共享的挑战？

面向未来，专家们对人工智能在精神健康领域的应用有何期许？

近日，由天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）、《Science》杂志及上海市精神卫生中心联合主办的“人工智能与精神健康”研讨会在上海成功举行。会议期间，一场关于“人工智能在精神健康领域应用”的专题讨论引起了广泛关注，来自海内外的专家们就多个关键问题展开了深入而激烈的探讨。

▷“人工智能与精神健康”研讨会开放讨论中

多元方法的融合：数据驱动与模型创新

讨论伊始，《Science》杂志主编Peter Stern先生抛出了一个关键问题：

“此次研讨会见证了计算心理学方法的诸多成果，包括数据驱动、模型驱动，以及近期崭露头角的AI驱动数字化路径。不同的方法各有优势。各位如何看待现有的方法论？”

▷眭亚楠：中国清华大学副教授，长期致力于具身智能研究，此次研讨会上分享了《心理健康的具身基础模型》

来自清华大学的眭亚楠副教授首先分享了他的看法。他认为，临床常用的传统量表、问卷在定量分析上存在局限，未来加强对特定行为模式和肌肉表现等细节的关注，能够深入理解情感状态。

▷Ioannis Paschalidis：美国波士顿大学计算科学与工程系教授，此次研讨会上分享了《基于AI的阿尔茨海默病检测与预测方法》

美国波士顿大学的Ioannis Paschalidis教授指出，数据驱动、模型驱动和AI驱动实际上相互关联。他强调：“AI驱动的方法本质上仍然依赖于数据，因为模型的训练高度依赖数据质量。因此，发展和获取高质量的数据至关重要。”

▷Zoe Kourtzi：剑桥大学计算认知神经科学教授，此次研讨会上分享了《使用大脑生成模型改进人工智能在心理学中的应用》

剑桥大学的Zoe Kourtzi教授则强调方法论细节的重要性。她表示，在神经科学研究中，过度简化模型可能导致对数据细节的忽视。她建议结合不同的方法，深入挖掘数据，避免仅基于先验假设进行预测，以提高研究的准确性和全面性。

数据质量与共享的挑战

针对数据质量的问题，Peter Stern追问：“我们如何确保数据的质量，以避免对研究结果产生不利影响？”

Paschalidis教授认为，人工智能具备处理低质量数据的潜力。他举例说明，有时即便输入的文本质量较差，AI仍能生成令人满意的结果。他指出：“人工智能具有纠错能力，我们可以利用这一特性，在某些任务中适当妥协数据质量问题。”

▷Quentin Huys：英国伦敦大学学院计算精神病学教授，此次研讨会上分享了《抑郁症治疗的计算机制》

伦敦大学学院的Quentin Huys教授提醒道：“警惕‘Garbage in，garbage out’。如果数据不足以回答研究问题，那么即使数据量庞大，也可能毫无意义。因此，在大规模数据的收集过程中，必须重视数据处理，避免无效信息的干扰。”

▷陈剑华：中国上海市精神卫生中心教授，此次研讨会上分享了《大语言模型在抑郁症研究中的应用》

上海市精神卫生中心的陈剑华教授强调，在实验设计阶段就应明确研究目标，选择适合的数据来回答特定问题。他表示：“盲目追求数据量可能导致研究偏差，因此需要更多关注于收集高质量和相关性强的数据。”

构建全球性的数据共享平台

在讨论数据共享时，Peter Stern提出：

“我们是否有办法构建一个平台，将数据集、数字化技术和最新的AI技术整合在一起？”

Kourtzi教授认为，建立一个安全的、全球性的、多样化数据共享平台至关重要。她表示：“我们需要在临床数据和研究数据之间建立协同机制。其中，数据治理问题必须受到重视，确保数据的可信度和可用性，以促进全球研究合作。”

眭亚楠副教授指出，目前心理学和精神病学尤其是表情有关的数据信息领域，仍缺乏类似英国生物银行（UK Biobank）这样高质量的全球性平台。他呼吁提供更多支持来构建数据基础设施，以加速全球研究的进展。

▷Michael Breakspear：澳大利亚纽卡斯尔大学神经科学与精神病学教授，此次研讨会上分享了《大脑功能在健康和精神疾病中的原理》

Michael Breakspear教授也认为全球各国在大规模数据面前缺乏协调。他也强调临床数据的隐私和保密性的重要性，并提到了UK Biobank处于对数据公开接入和隐私保护的担忧，“确实没有做到100%开放”。这与伦理问题有关，也涉及到了不同国家在数据监管和立法上的差异。

Paschalidis教授建议，政府和监管机构在推动数据共享方面可以发挥关键作用。“资助机构如NIH可以要求研究者在发表论文时，公开相关的数据和算法。这将有助于增强研究的透明度和可重复性。”

▷Philip Corlett：美国耶鲁大学精神病学系教授，此次研讨会上分享了《心灵和大脑的关系及其在精神分裂症等疾病中的作用》

耶鲁大学的Philip Corlett教授介绍，在美国国家精神卫生研究所（NIMH），每项研究都要求将数据分享至大型数据集库。他表示：“研究人员可以访问这些数据，获取所需的信息资源。这是一个极具价值的资源库，有助于推动领域进步。”

展望未来：无限资源下的愿景

在讨论的尾声，Peter Stern提出了一个富有想象力的问题：

“假如我们拥有魔法，可以获取无限资源，你最希望实现的愿景是什么？”

Paschalidis教授表示，希望建立一个全球性、多样化的数据平台。他说：“在这个平台上，研究者可以提出问题，构建模型，通过合作将研究推向更高水平。”

Kourtzi教授希望更多地关注预防医学。她指出：“通过利用智能手机等技术，我们可以收集海量数据，为人们提供健康预警。我期望未来能够加强这方面的研究，促进早期干预。”

眭亚楠副教授表示，希望找到更先进的方法来观察和表征大脑状态。他说：“现有技术仍有局限，若有无限资源，我们可以提升对大脑控制系统的研究，取得突破性进展。”

陈剑华教授强调，研究者的使命是帮助人们更好地理解自身的生活和健康状态。他表示：“若有无限资源，我们可以为患者提供更精准、高质量的诊断，制定个性化的治疗方案。相信AI在未来将发挥更大的作用，辅助精准医疗，惠及更多患者。”

结语

在“人工智能与精神健康”研讨会上，来自全球的顶尖科学家们开诚布公，深入讨论了各自视野下对AI在精神健康领域话题。这场畅谈不仅聚焦于数据质量、方法论融合和数据共享等关键问题，还展望了未来的领域发展方向。

“AI具有推动精神健康领域的临床诊断和治疗的革命性突破的巨大潜力”，这早已成为领域内的一致共识，但如数据质量、隐私保护、伦理问题等挑战，也需要全球学界共同面对。

正如天桥脑科学研究院创始人雒芊芊女士所言：“科学家和临床医生正在探索利用人工智能进行精神健康研究和治疗的可能性，其未来应用前景广阔。”期待在全球科学家的共同努力下，人工智能能够在精神健康领域实现革命性的突破，造福人类。

▷人工智能与精神健康研讨会与会留影

文章来自于微信公众号“追问nextquestion”，作者“追问”