翟倩 豐雷 張國富 劉敏 王晶晶

目前人工智能（artificial intelligence，AI）常用于促進疾病的早期發(fā)現(xiàn)，了解疾病的進展，優(yōu)化藥物的選擇和治療劑量以及發(fā)現(xiàn)新的治療方法[1]。AI最大的優(yōu)勢是能夠?qū)Υ罅繑?shù)據(jù)集進行快速模式分析，其中利用模式識別最成功的醫(yī)學(xué)領(lǐng)域包括眼科學(xué)、癌癥檢測和影像學(xué)。在這些領(lǐng)域，AI在評估圖像異?；蛉搜蹮o法檢測到的細微差別的表現(xiàn)可能與有經(jīng)驗的臨床醫(yī)生一樣好，甚至更好[2]。人類的學(xué)習(xí)能力受到學(xué)習(xí)經(jīng)驗、知識來源和生活經(jīng)驗的限制，但AI機器可以迅速地從無限的醫(yī)學(xué)信息來源中綜合信息，并通過計算機分析，揭示人類行為和模式的趨勢和關(guān)聯(lián)，而人類往往很難提取這些信息[3]。雖然智能機器不太可能完全取代臨床醫(yī)生，但智能系統(tǒng)正越來越多地被用于臨床診治[1]。

盡管AI技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用越來越普遍，但是在精神心理學(xué)科應(yīng)用的發(fā)展速度卻相對緩慢。與大多數(shù)非精神科醫(yī)生相比，精神科醫(yī)生在臨床實踐中更注重以患者為中心，更多地依賴“軟”技能，包括與患者建立關(guān)系和直接觀察患者的行為和情緒。精神科臨床數(shù)據(jù)往往是以患者主觀感受和定性的陳述或書面記錄的形式提供的。然而，精神心理學(xué)科仍然有很多領(lǐng)域受益于AI技術(shù)[4]。AI有很大的潛力重新定義我們對精神疾病的診斷和理解。因為AI技術(shù)能夠全面記錄最能夠充分解釋一個人整體心理健康的獨特的生物-心理-社會特征[4]，而我們對這些生物、心理和社會系統(tǒng)之間的相互作用的理解相對片面。此外，AI技術(shù)能夠開發(fā)更好的診斷前篩選工具和建立風(fēng)險模型，以確定個人的易感性或發(fā)生精神疾病的風(fēng)險[4]。因此，為了實現(xiàn)個性化心理健康護理的長期目標(biāo)，我們需要利用AI對于大數(shù)據(jù)進行分析。本文主要就AI在精神衛(wèi)生保健中的常用模式、應(yīng)用形式、應(yīng)用領(lǐng)域以及相關(guān)倫理和社會問題作一綜述。

1 AI在精神心理衛(wèi)生保健中的常用模式

機器學(xué)習(xí)（machine learning，ML）是 AI時代的核心技術(shù)，它能夠發(fā)現(xiàn)數(shù)據(jù)集的潛在模式[4]。因此需要輸入大量的數(shù)據(jù)來生成可靠的結(jié)果，以及大量的計算資源來及時處理數(shù)據(jù)。例如，一個ML系統(tǒng)可以使用一組經(jīng)過標(biāo)記的功能影像圖像進行訓(xùn)練，訓(xùn)練的結(jié)果將是一個數(shù)學(xué)模型，將圖像數(shù)據(jù)與診斷標(biāo)簽聯(lián)系起來，這樣它就可以用新的圖像來預(yù)測診斷。這些模型的預(yù)測精度可以用統(tǒng)計技術(shù)來評估[5]。

在很多方面，ML可以給精神科醫(yī)生提供幫助。例如，ML可以幫助精神障礙研究人員發(fā)現(xiàn)各種因素（行為數(shù)據(jù)、臨床發(fā)現(xiàn)、神經(jīng)影像等）的計算機模型。這些模型的預(yù)測功能不僅可以幫助精神科醫(yī)生制定患者的診斷和治療計劃，還可以建立工具來幫助患者進行情感識別等日常認知任務(wù)，改善患者的生活質(zhì)量。甚至當(dāng)心理醫(yī)生不在的時候，聊天機器人也可以幫助患者解決問題[6]。但是ML有很大的局限性，它的分析結(jié)果受數(shù)據(jù)的數(shù)量、質(zhì)量和局限性的影響。此外，臨床上正常與病理的區(qū)分要復(fù)雜得多。因此ML并不足以取代精神科醫(yī)生的觀察和實驗室檢查。精神科醫(yī)生需要與ML從業(yè)人員合作開發(fā)這些技術(shù)，評估它們的局限性和適用性，并設(shè)計改進方法。ML有可能增強我們對人類思維的理解以及行為的研究，但要實現(xiàn)這種潛力，需要精神科醫(yī)生和ML工程師之間的密切合作。

用于精神心理醫(yī)療保健的最常見的“學(xué)習(xí)”模式包括監(jiān)督式機器學(xué)習(xí)（supervised machine learning，SML）、無監(jiān)督式機器學(xué)習(xí)（unsupervised machine learning，UML）和深度學(xué)習(xí)（deep learning，DL）[7]。還有一些其他的模式，比如半監(jiān)督學(xué)習(xí)（有監(jiān)督和無監(jiān)督的混合模式）[8]和強化學(xué)習(xí)模式（該模式就像一個交互式環(huán)境中的代理，通過嘗試和錯誤，從自己的行動和經(jīng)驗中獲得獎勵）[9]。

1.1 SML SML是從實例推斷出一般性的假說，得出的假說又可以進一步用來預(yù)測未發(fā)生的實例。SML的目標(biāo)就是根據(jù)預(yù)測特征，為分類標(biāo)簽的概率分布建立簡潔的模型。得到的模型會被用于為測試實例貼上分類標(biāo)簽，其中，測試實例的分類特征是已知的，但其分類標(biāo)簽是未知的[7]。換言之，這種模式的數(shù)據(jù)是預(yù)先標(biāo)記的（如診斷抑郁癥和無抑郁癥），算法關(guān)聯(lián)了來自各種數(shù)據(jù)流的輸入特征（如社會人口學(xué)、生物學(xué)和臨床措施）來盡可能減少影響因素，以最好地預(yù)測標(biāo)簽[7]。標(biāo)簽可以是分類的（如是否患有抑郁癥）或連續(xù)的（抑郁癥狀的嚴重程度范圍）。該算法在學(xué)習(xí)了大量有標(biāo)記的訓(xùn)練數(shù)據(jù)后，對未標(biāo)記的測試數(shù)據(jù)進行測試，以確定該算法是否能夠正確地對目標(biāo)變量進行分類。有些算法非常適合SML，其中有些直接借用了傳統(tǒng)的統(tǒng)計學(xué)方法，比如邏輯和線性回歸，而有些算法則是SML獨有的，比如支持向量機[10]。

1.2 UML 在UML中給定的數(shù)據(jù)和SML中的數(shù)據(jù)是不一樣的，UML中給定的數(shù)據(jù)沒有任何標(biāo)簽或者說只有同一種標(biāo)簽。UML能夠識別輸入特征之間的相似性和發(fā)現(xiàn)數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)，但不能將特征與已知標(biāo)簽關(guān)聯(lián)[11]。UML使用聚類技術(shù)（如K-means、主成分分析）將數(shù)據(jù)分類和分組，或識別數(shù)據(jù)集最顯著的特征[11]。輸出的數(shù)據(jù)必須由專家進行解釋，以確定其有用性。缺少標(biāo)簽使得UML更具挑戰(zhàn)性，但是能夠揭示數(shù)據(jù)集中的底層結(jié)構(gòu)，并且不存在先驗偏見。例如，神經(jīng)成像生物標(biāo)志物提供了大量特征數(shù)據(jù)集，其中可能包含精神分裂癥等精神疾病未知亞型的信息。UML可能有助于識別疾病亞型的特征性生物標(biāo)志物的群組，從而提示疾病預(yù)后和最佳治療方案。

1.3 DL DL算法在沒有人類指導(dǎo)的情況下直接從原始數(shù)據(jù)中學(xué)習(xí)，能夠發(fā)現(xiàn)數(shù)據(jù)之間潛在的關(guān)聯(lián)[12]。DL使用人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks，ANN；類似于人腦思考方式的計算機程序）通過多個“隱藏”層來處理復(fù)雜的原始數(shù)據(jù)[12]。DL中ANN必須有不止一個隱藏層。由于DL與人類思維的相似性，因此不像傳統(tǒng)ML那樣機械。DL是在高維數(shù)據(jù)中發(fā)現(xiàn)復(fù)雜結(jié)構(gòu)的理想工具，比如包含在電子病歷中的臨床記錄，或者由患者提供的臨床和非臨床數(shù)據(jù)[13]。DL不僅僅是具備多層架結(jié)構(gòu)的感知器，更是一系列能夠用來構(gòu)建可組合可微分的體系結(jié)構(gòu)的技術(shù)和方法。

1.4 自然語言處理（natural language processing，NLP）NLP是人工智能的一個子領(lǐng)域，它涉及到前面提到的算法。然而，它特指計算機如何以非結(jié)構(gòu)化文本的形式處理和分析人類語言，包括語言翻譯、語義理解和信息抽取[14]。心理健康領(lǐng)域在能夠運用其他AI技術(shù)之前，將嚴重依賴NLP，因為大量的原始輸入數(shù)據(jù)是文本形式（如臨床記錄、其他書面語言）和對話形式（如咨詢會議）[13]。盡管人類語言具有生成性，但計算機算法能夠自動理解基本單詞的含義，這是一項巨大的技術(shù)進步，對于AI在精神心理健康領(lǐng)域的應(yīng)用至關(guān)重要。

2 AI在精神心理衛(wèi)生領(lǐng)域中的應(yīng)用形式

AI在精神心理健康領(lǐng)域，如在精神病學(xué)、心理學(xué)和心理治療中應(yīng)用的研究具有越來越大的臨床意義。從“虛擬精神治療師”[15]到癡呆護理和自閉癥治療的社交機器人[16]、性功能障礙的治療機器人[17]，越來越多的AI產(chǎn)品在逐漸應(yīng)用于相對較低水平的心理健康支持，如社會交往互動。此外，還能夠執(zhí)行一些過去只能由訓(xùn)練有素、技能嫻熟的專業(yè)人員，如心理治療師提供的高水平治療干預(yù)措施[18]。 重要的是，這種“虛擬治療師”或“機器人治療師”能夠獨立于精神心理工作者的人工指導(dǎo)，對咨詢者或患者進行指導(dǎo)或治療。因此，這些AI的應(yīng)用區(qū)別于許多基于網(wǎng)絡(luò)的治療，網(wǎng)絡(luò)治療通常要么涉及精神心理醫(yī)生，如遠程醫(yī)療；要么涉及患者需要獨立使用指導(dǎo)手冊、問卷或其他自助材料。

2.1 虛擬化人工智能的應(yīng)用 目前AI的虛擬心理治療設(shè)備正在快速發(fā)展。例如，在互聯(lián)網(wǎng)平臺或短信平臺工作的虛擬聊天機器人（如Tess、Woebot等）帶有交互式屏幕的治療應(yīng)用程序，正在探索解決抑郁和焦慮癥狀。這些應(yīng)用程序像“虛擬心理治療師”一樣與患者進行互動，目的是幫助患者識別他們的情緒和思維模式，并找到減輕焦慮的技巧。例如，通過使用NLP、Tess被編程標(biāo)記表情，表示情緒困擾。這些虛擬機器人通常被認為是一種數(shù)字工具，可以幫助世界各地缺乏心理健康服務(wù)的人群，它們可以向用戶解釋他們正在經(jīng)歷的臨床表現(xiàn)，例如認知扭曲，或者識別和處理用戶的困難情況并提供具體建議[19]。有研究發(fā)現(xiàn)使用Woebot比使用電子圖書資源更容易減少抑郁癥狀[20]。另一項研究發(fā)現(xiàn)Tess有助于減少使用者的抑郁和焦慮癥狀[19]。

類似的方法包括Avatars的應(yīng)用，它為精神病患者解決持續(xù)的幻聽問題[21]。這些方法通常使用計算機生成人臉圖像在計算機屏幕上，通過智能算法與患者互動。Avatars也被用于改善精神分裂癥患者的服藥依從性[22]。虛擬現(xiàn)實輔助治療精神分裂癥，通常鼓勵患者通過使用AI Avatars，與他們聽到的聲音互動。初步研究發(fā)現(xiàn)，這種療法可以幫助開發(fā)新的治療靶點用于難治性精神分裂癥的治療[23]。另一項研究發(fā)現(xiàn)，使用虛擬現(xiàn)實輔助療法對難治性精神分裂癥患者進行治療后，幻聽、幻視、抑郁癥狀和總體生活質(zhì)量都有所改善[24]。Avatars也被作為沉浸式虛擬現(xiàn)實情境的一部分用于治療恐高癥[25]，或作為“虛擬患者”為醫(yī)學(xué)生提供逼真的訪談練習(xí)[26]。最后，Avatars也被用于風(fēng)險預(yù)防，如 Kognito項目，它使用Avatars來幫助大學(xué)生和教職員工識別自殺風(fēng)險[27]。

2.2 AI機器人的應(yīng)用 除了虛擬化AI治療的應(yīng)用，臨床醫(yī)生和科學(xué)家正在探索，將AI和機器人結(jié)合起來的創(chuàng)新轉(zhuǎn)化到臨床。例如，動物外形的AI機器人，如毛茸茸的格陵蘭海豹Paro正越來越多地被用于幫助癡呆癥患者。Paro和毛茸茸的大熊eBear一起作為“伴侶機器人”充當(dāng)家庭保健助理，通過動態(tài)的“對話”對語言和動作作出反應(yīng)，通過陪伴和互動為尋求幫助老年人、孤獨癥患者或抑郁癥患者提供幫助。一些研究已經(jīng)驗證了這些機器人在減輕壓力、孤獨、焦慮，改善情緒和社會關(guān)系方面的作用[28]。

AI機器人還為患有自閉癥譜系障礙（autism spectrum disorders，ASDs）的兒童提供了不同形式的參與交流互動的機會[29]。研究發(fā)現(xiàn)自閉癥兒童在與他人交流有困難的情況下，也會對機器人有積極的反應(yīng)[29]。Kaspar機器人已經(jīng)證實了其在教育和治療干預(yù)方面的潛力，并且正在研究其改善兒童社交技能的潛力[30]。機器人治療旨在幫助患有自閉癥的兒童發(fā)展社會技能，最新設(shè)計的機器人Nao能夠提高面部識別和適當(dāng)?shù)淖⒁暦磻?yīng)。這種機器人互動的目的是學(xué)習(xí)適當(dāng)?shù)纳缃患寄埽ㄈ缒７?、輪流、保持參與和共情），希望兒童能夠?qū)臋C器人同伴那里學(xué)到的技能應(yīng)用到他們與人類同伴的關(guān)系中。研究顯示患有自閉癥的個體在機器人伙伴面前表現(xiàn)得比在治療師面前更好，能夠?qū)C器人的社會行為作出反應(yīng)，在治療過程中提高自發(fā)語言能力[29]。然而，這種設(shè)備仍在研發(fā)中，尚未廣泛用于治療。

AI機器人也在其他各種心理健康領(lǐng)域得到研究，包括情緒障礙和焦慮癥患者、有破壞性行為的兒童以及沒有具體診斷但會從心理健康幫助中受益的人[31]。最具爭議的是，AI機器人已經(jīng)進入了人類性行為領(lǐng)域。例如，像Roxxxy這樣的成人性愛機器人，它可以說話，了解人類伴侶的喜好，記錄觸摸，并提供一種親密伴侶的形式。盡管性愛機器人的醫(yī)療應(yīng)用范圍仍然存在爭議，但這些應(yīng)用能夠滿足殘疾人和老年人的性需求，或者作為治療的一部分，如勃起功能障礙、早發(fā)性射精和相關(guān)焦慮[32]。此外，一些研究顯示性愛機器人有助于減少性犯罪，如強奸和襲擊，或用于治療性欲倒錯，如戀童癖[33]。

3 AI在精神心理衛(wèi)生中應(yīng)用領(lǐng)域

其他醫(yī)學(xué)領(lǐng)域的研究表明，在某些情況下，使用不斷改進的ML程序，在作出準確診斷方面勝過臨床醫(yī)生[34]。在精神健康領(lǐng)域，藥物治療過程中的日常的觀察和護理工作，實際上可能是受AI影響最大的領(lǐng)域。而心理治療是AI在精神病學(xué)中發(fā)展較緩慢的領(lǐng)域，因為心理治療需要以一種復(fù)雜的方式進行交流，且訪談時間較長。然而，AI應(yīng)用于心理測查的結(jié)果評估可以為臨床醫(yī)生提供更清晰的分析報告?？傊壳癆I已經(jīng)能夠輔助臨床醫(yī)生進行臨床決策，與患者進行交流，進行基礎(chǔ)心理治療，并通過各種現(xiàn)有的技術(shù)平臺提供心理教育[35]。

3.1 診斷工具 在精神心理科門診，與患者的交流只能觀察患者當(dāng)時的精神狀態(tài)，然而情緒障礙本質(zhì)上是動態(tài)的，隨著時間的推移而波動。因此，臨床醫(yī)生在作出診斷時存在困難，經(jīng)常只能夠作出狀態(tài)診斷，在后續(xù)門診的治療中再進一步明確診斷。目前，對患者的心理評估包括觀察其心理狀態(tài)和主觀自我報告問卷，如廣泛性焦慮障礙量表（generalized anxiety disorder，GAD-7）和抑郁的9項患者健康問卷（patient health questionnaire-9 items，PHQ-9）。這些方法是主觀的，難以重復(fù)，而且耗費時間。AI可以使其他方法，如音頻和視頻分析，具有更大的客觀性，可能有更好的預(yù)測價值。IBM研究開發(fā)了一種機器學(xué)習(xí)語音分類器，在預(yù)測臨床高危人群精神障礙發(fā)作方面準確率高達79%[36]。另一項研究通過對人的行為進行視頻分析，展示了計算機視覺如何以96%的準確率檢測出注意缺陷多動障礙和ASDs[37]。除了輔助診斷，這些工具也可以幫助監(jiān)測門診和住院患者的病情變化。此外，有研究顯示，AI模型Empaschiz對于精神分裂癥進行分類的準確率為87%[38]。

3.2 患者精神癥狀的觀察監(jiān)測 目前精神科臨床治療中存在的實際情況是，精神科門診患者數(shù)量增多，醫(yī)生對于患者的訪談時間縮短，此外病床周轉(zhuǎn)加快，患者住院時間縮短。然而，以觀察為基礎(chǔ)的精神檢查仍是精神疾病確診的關(guān)鍵，并且目前為止觀察的主要工具局限于醫(yī)生的感官。AI作為一種新技術(shù)可以彌補以上的不足。最重要的是，數(shù)據(jù)集現(xiàn)在不僅涉及行為數(shù)據(jù)，而且涉及許多異質(zhì)變量，包括臨床、神經(jīng)影像學(xué)、基因組學(xué)、蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)和其他測量方法。ML系統(tǒng)可以解釋所有數(shù)據(jù)，可能發(fā)現(xiàn)人類無法捕捉的復(fù)雜模式[39]。

首先，AI可以幫助精神科醫(yī)生觀察患者綜合情況，提高精神科醫(yī)生的能力。例如，計算機可以檢測到患者的面部表情以及情緒變化，然后在會話過程中提供連續(xù)的情緒讀出。其次，AI還可以用來記錄患者院外的情況。例如，睡眠、飲食、鍛煉、社交活動、強迫行為等都可以通過智能手機測量和記錄。再者將通過ML系統(tǒng)來處理這些大量的詳細的數(shù)據(jù)[40]。這種方式使得精神科醫(yī)生對于患者的觀察更為全面，分析更為細致。例如，情緒日記，應(yīng)用程序APP已經(jīng)被開發(fā)出來，能夠積極地提示用戶在線記錄和回答關(guān)于他們的情緒、睡眠模式和其他相關(guān)的問題。除了最嚴重的精神病治療以外，所有的治療都是在門診患者的環(huán)境中進行的，因此這種情緒日記的記錄能夠在精神心理疾病的早期發(fā)現(xiàn)和預(yù)防復(fù)發(fā)、降低相關(guān)風(fēng)險方面帶來好處，例如，它能夠用于抑郁癥等精神疾病患者的自殺風(fēng)險預(yù)測[41]。AI能夠與傳感器或智能手機應(yīng)用程序相結(jié)合。Cogito公司開發(fā)了一款名為“companion”的應(yīng)用程序，通過智能手機記錄患者行為指標(biāo)。在一項對73例創(chuàng)傷后應(yīng)激障礙或抑郁癥患者的研究中，他們發(fā)現(xiàn)打出的電話數(shù)量、獨特的短信數(shù)量、行走的絕對距離、聲音的動態(tài)變化、說話頻率和聲音質(zhì)量都是抑郁癥和創(chuàng)傷后應(yīng)激障礙癥狀的良好預(yù)測指標(biāo)[42]。除了行為指標(biāo)，生理數(shù)據(jù)也可作為測量精神健康的客觀指標(biāo)。Sano等[43]對251名大學(xué)生進行研究，發(fā)現(xiàn)根據(jù)皮膚導(dǎo)電性和體溫將學(xué)生分為高壓力和低壓力群體的準確性高達78%，將學(xué)生分為高精神健康群體和低精神健康群體的準確性高達86%。

AI也可以用于藥物依從性的監(jiān)測。精神障礙患者如精神分裂癥或情感障礙患者抗精神病藥物治療的不依從比例為20%～89%[44]。AI應(yīng)用程序能夠通過定時提醒患者來提高服藥依從性。ML可以促進這些應(yīng)用程序的持續(xù)改進，包括能夠根據(jù)個人情況進行定制，以最大限度地提高患者服藥的依從性。

3.3 治療 AI可以通過新的方法改進現(xiàn)有的治療手段，這可能會增加治療的實用性和有效性。例如，基于互聯(lián)網(wǎng)的認知行為療法開始于上世紀90年代，但其特點是依從性差。認知行為治療機器人能夠模仿正常的會話來傳遞治療內(nèi)容，具有依從性好等治療優(yōu)勢。Lucas等[45]的一項研究表明，當(dāng)參與者相信自己正在與機器交談時，他們會變得更加坦率，這表明對于那些努力建立面對面聯(lián)系的患者來說，AI可能提供了一種建立融洽關(guān)系的替代方法。其他研究顯示，聊天機器人 Woebot可以在兩周的課程中減少大學(xué)生的抑郁和焦慮癥狀[20]。聊天機器人Tess同樣能夠減輕抑郁和焦慮癥患者的癥狀[19]。但是這種聊天機器人的研究尚屬于初步階段，其最佳使用方式仍不清楚。

此外，AI的應(yīng)用能夠提高精神心理衛(wèi)生服務(wù)的可獲得性。由于國內(nèi)精神科醫(yī)生短缺，人們越來越多地使用其他科技（如電話醫(yī)生）作為輔助工具，AI的應(yīng)用會顯著提高精神健康服務(wù)的可用性和獲取途徑[46]。一些研究表明，基于互聯(lián)網(wǎng)或基于計算機的心理治療干預(yù)是一種有效的心理治療形式[47]。在全世界45%的地方，每10萬人中只有不到1位精神科醫(yī)生，然而超過50%的世界人口擁有智能手機。一個AI系統(tǒng)可以被很多人使用，只要他們能夠接觸到日益普遍的電子設(shè)備。這種技術(shù)可以減少到位于中心地帶的心理健康診所或醫(yī)院的耗時耗錢的旅行，從而提高可獲得性。此外，還可以使負擔(dān)過重的精神心理健康專業(yè)人員擴大他們的服務(wù)范圍，也可以幫助那些條件限制他們旅行能力的人（如廣場恐懼癥或身體健康問題）獲得心理健康幫助[47]。

再者，人工智能可以使治療和護理更個性化。例如，對大量數(shù)據(jù)進行更復(fù)雜的分析，可以更好地預(yù)測不同藥物對于不同個體的治療反應(yīng)和不良反應(yīng)。這將減少對不同藥物進行多重試驗性治療的需要[46-47]。

4 AI在精神衛(wèi)生領(lǐng)域應(yīng)用的倫理及社會問題

AI在精神衛(wèi)生領(lǐng)域中的應(yīng)用為提高護理質(zhì)量和控制醫(yī)療支出帶來了希望[48]。此外，AI還將有希望幫助得不到充分心理健康服務(wù)的人群。然而，目前AI產(chǎn)品尚未被廣泛應(yīng)用于臨床，只限于少數(shù)個體的應(yīng)用，大規(guī)模應(yīng)用的研究仍處于試驗階段。此外，即使在基于網(wǎng)絡(luò)的非AI應(yīng)用中，有關(guān)患者接受程度和治療效果的證據(jù)仍然有限且好壞參半[49]。與任何醫(yī)學(xué)創(chuàng)新一樣，只有在充分評估應(yīng)用的效果、影響和臨床實用性后，才能廣泛地應(yīng)用于臨床實踐。

我們認為AI在精神心理領(lǐng)域具有巨大的潛力。但迄今為止，涉及AI在精神衛(wèi)生領(lǐng)域應(yīng)用的研究有限。為了能夠促進AI在精神心理健康領(lǐng)域的應(yīng)用，有必要進一步深入分析AI所涉及的倫理和社會問題，包括信任、隱私和自主權(quán)的相關(guān)問題，以及預(yù)測未來可能出現(xiàn)的問題。確定具體AI應(yīng)用的倫理和社會問題，對于在精神衛(wèi)生保健領(lǐng)域的研究和醫(yī)療實踐至關(guān)重要[50]。對倫理問題的分析可以幫助研究人員、設(shè)計開發(fā)人員在設(shè)計和建造下一代AI虛擬產(chǎn)品和機器人時考慮到這些問題。以下內(nèi)容從倫理學(xué)的角度出發(fā)，分析了AI在精神健康方面的益處、挑戰(zhàn)和風(fēng)險。

4.1 預(yù)期獲益 前面提到的所有AI的應(yīng)用都為心理健康領(lǐng)域帶來了巨大的獲益，滿足了倫理原則的有關(guān)受試者獲益得許多方面。從臨床的角度來看，使用具體的AI應(yīng)用程序，有可能在患者尚未滿足的心理健康需求等方面開辟新的干預(yù)途徑。AI干預(yù)有助于早期發(fā)現(xiàn)心理健康問題、識別高危人群，尤其對于擔(dān)心進行心理治療導(dǎo)致名譽受損的人群可能特別有用[51]。因為在某些情況下，患者可能會對非人類的虛擬心理治療師作出更為積極和有效的反應(yīng)。在一項研究中，絕大多數(shù)受試者更喜歡虛擬的心理治療師，因為他們可以自己控制處理信息的速度，這對于文化程度低的患者尤為重要[51]。并且在心理健康服務(wù)中，虛擬心理治療師或機器人在很大程度上減少了在詢問具體信息或敏感問題時的尷尬，降低患者的羞恥感[51]。除此之外，AI還能夠幫助患者熟悉醫(yī)療系統(tǒng)，從而提高患者與醫(yī)療系統(tǒng)之間的信任[51]。

一個虛擬或機器人心理治療師總是可以接近患者，有無盡的時間和耐心，永遠不會忘記患者說過的話，而且不會作出判斷，因此有可能提供一種非?？煽康姆?wù)[51]?？紤]到精神心理疾患造成的社會總體負擔(dān)不斷增加，以及醫(yī)療資源有限的背景，如果將AI應(yīng)用程序與規(guī)模化的服務(wù)相結(jié)合，可以為輕度抑郁癥和其他非急性精神心理疾患提供支持，從而幫助精神心理衛(wèi)生專業(yè)人員將更多的時間用于嚴重的病例的診治[52]。然而，出于倫理或臨床經(jīng)驗方面的考慮，可能并不是所有的精神心理健康專業(yè)人員都能夠接受AI，甚至部分人對AI的使用存在嚴重的疑慮，這意味著AI在精神心理健康方面的應(yīng)用還是一個需要進一步研究的領(lǐng)域。

4.2 危害的預(yù)防和數(shù)據(jù)相關(guān)倫理問題 為了滿足無害的倫理原則，需要對AI在精神心理健康方面的具體應(yīng)用作進一步研究，以防止在治療過程中，機器人故障或以錯誤方式操作時發(fā)生不可預(yù)知的傷害[53]。因此，需要討論的是，具體化的AI設(shè)備是否應(yīng)該像其他醫(yī)療設(shè)備獲得臨床使用許可之前一樣，進行嚴格的風(fēng)險評估和監(jiān)管。

與醫(yī)療環(huán)境中使用的其他設(shè)備類似，在精神健康護理中使用任何AI應(yīng)用程序都需要仔細考慮以下問題，如記錄個人健康信息的設(shè)備的數(shù)據(jù)安全性、產(chǎn)生的數(shù)據(jù)的使用方式，以及黑客入侵和未經(jīng)授權(quán)的監(jiān)控的可能性[54]。在患者隱私、信息的保密、AI虛擬或機器人治療師收集的數(shù)據(jù)的安全管理，以及用于監(jiān)控患者行動和其他互動等問題上，需要有明確的標(biāo)準[54]。隨著收集數(shù)據(jù)量的不斷增加，隱私保密的問題可能會被放大，因此整合視頻數(shù)據(jù)的應(yīng)用程序需要有特定的隱私保護措施，用于傳遞敏感信息。

4.3 缺乏相關(guān)監(jiān)督指導(dǎo)準則 由于AI是心理學(xué)和精神病學(xué)研究和治療的最新和最迅速變化的領(lǐng)域之一，現(xiàn)有的法律和倫理框架往往不能很好地適用于這些變化。由于缺乏監(jiān)管和指導(dǎo)準則，將面臨著應(yīng)用框架和倫理道德框架之間的“差距”只有在傷害已經(jīng)發(fā)生時才會得到解決的風(fēng)險[53]。許多形式的新興醫(yī)療技術(shù)也是如此。因此，在傳統(tǒng)的醫(yī)療技術(shù)評估和醫(yī)療監(jiān)督系統(tǒng)不能完全適用的情況下，將具體的AI轉(zhuǎn)化為實踐是一個重要的問題。盡管預(yù)測隨著未來發(fā)展將出現(xiàn)的倫理和法律問題是困難的，但積極地思考并建立指導(dǎo)方針以更好地指導(dǎo)這一領(lǐng)域的發(fā)展是必要的。然而，到目前為止，還沒有專門針對AI在精神心理健康服務(wù)領(lǐng)域應(yīng)用的指導(dǎo)。除此之外，盡管關(guān)于AI納入精神健康的臨床實踐文獻越來越多，但仍然缺乏關(guān)于精神心理科醫(yī)生如何在精神健康服務(wù)中使用AI的高水平指導(dǎo)和建議。

綜上所述，隨著精神衛(wèi)生保健需求的增加，醫(yī)療文件要求等非技術(shù)性的工作增多，而精神科醫(yī)生又必須依靠面對面的精神檢查才能明確診斷，設(shè)計個性化的治療方案，還要培養(yǎng)與患者之間的治療關(guān)系，因此精神科醫(yī)生的工作負擔(dān)大大增加。AI除了能夠輔助精神疾病的檢測和診斷，還有許多好處。AI可以全面地從大量不同的數(shù)據(jù)來源中獲取信息，使人們能夠更好地了解精神疾病在人群中的流行程度，發(fā)現(xiàn)生物機制，以及患病風(fēng)險或保護因素。提供監(jiān)測癥狀變化、治療進展和藥物依從性的智能自我評估系統(tǒng)，有助于及時了解患者狀態(tài)和預(yù)估風(fēng)險。虛擬化和機器人心理治療師還可以應(yīng)用于臨床治療。最重要的是使精神健康從業(yè)人員能夠?qū)Ｗ⒂谥荒芡ㄟ^臨床醫(yī)生和患者的訪談才能實現(xiàn)的技術(shù)性工作[1]?？傊?，AI在精神心理健康領(lǐng)域，如精神病學(xué)、心理學(xué)和心理治療中應(yīng)用的研究具有越來越大的臨床意義。

然而，在所有醫(yī)學(xué)領(lǐng)域中，精神病學(xué)在人文主義和以患者為中心方面都是獨一無二的，這使得人們懷疑，AI是否真的能夠取代精神科醫(yī)生。這就引出了一個重要的問題，AI是否有能力產(chǎn)生共情，或者至少有共情的偽裝。相比于取代精神科醫(yī)生，更有可能的情況是，AI和其他先進技術(shù)可以發(fā)揮輔助作用，幫助精神科醫(yī)生或心理治療師找到一種與渴望面對面會談的患者建立聯(lián)系的方法[45]。通過這種方式，患者和醫(yī)生都受益于AI的發(fā)展，AI有時還會引導(dǎo)醫(yī)患雙方更好地理解對方。

精神科醫(yī)生和心理治療師如何在臨床工作中運用AI和其他先進技術(shù)，以及如何整合這些技術(shù)，這些問題將成為我們在AI時代更好地培養(yǎng)未來精神科醫(yī)生的前提。隨著21世紀科技的不斷發(fā)展，將出現(xiàn)一種新的精神病學(xué)，這種精神病學(xué)將經(jīng)典的，經(jīng)過實踐檢驗的技術(shù)和尖端科技結(jié)合在一起，一如既往地為患者提供最好的精神衛(wèi)生保健。