人工智能和智能手机可以改善心理健康治疗吗？

图像

对于患有抑郁症、强迫症或物质滥用障碍等精神疾病的人来说，管理疾病最困难的部分可能是意识到病情何时恶化并寻求帮助。但如果手机也能做到这一点呢？ 

这就是亚利桑那大学梅尔和伊妮德·扎克曼公共卫生学院研究生Hannah Vu领导的研究项目背后的想法。Vu 在亚利桑那大学工程学院电气与计算机工程系助理教授 Eungjoo Lee 博士的指导下，开发一种基于人工智能的工具，利用智能手机数据检测与精神疾病相关的行为变化。

该项目是利用人工智能进行数字表型分析（从个人设备收集主动和被动数据的做法）的更广泛努力的一部分，以检测可能预示心理健康状况恶化的行为细微变化。

“这是为了赋能那些可能无法为自己争取权益的人，”Vu说道。“我们正在研究时空数据，例如某人的位置、活动频率、使用手机的频率。这些信息对于追踪长期行为非常有价值。通过测量智能手机使用和GPS定位等模式，我们可以让人们以切实的方式了解自己的状况，并追踪他们的治疗是否有效。”

寻找数据中的模式

Vu 正在攻读公共卫生硕士学位，主修流行病学，她为这项工作带来了独特的视角。她的生理学本科背景为她奠定了健康生物学的基础，但她发现自己越来越对行为健康及其研究所需的工具感兴趣。

图像

“我想研究行为，我认为用更计算的方式来研究它非常重要，”她说。“作为一名本科生，我既不具备这方面的能力，也不具备这方面的技能，所以我觉得流行病学或许是一个很好的切入点。我仍然可以利用我的生理学背景，学习更统计学的思维方式。”

这种心态驱动着她当前的工作，寻找日常行为中那些可能被忽视的变化。Vu 的项目专注于处理和分析从智能手机被动收集的传感器数据，包括屏幕使用情况、GPS 定位和加速度计读数。这些信息由哈佛大学附属医院贝斯以色列女执事医疗中心开发的 mindLAMP 智能手机应用程序捕获。

Vu 的系统利用这些数据来识别某人行为显著偏离正常模式的变化时刻。例如，抑郁症患者可能会逐渐增加待在家里的时间，不再与朋友见面，或者减少主动活动的时间。强迫症患者可能会开始出现重复性行为，表现为持续的网页搜索或频繁发短信。

“这些异常可能反映了抑郁症发作或其他精神状态的变化，”Vu说。“我们想将它们与情绪调查和患者个人经历进行比较，看看这些偏差究竟意味着什么。”

从代码到诊所

Vu 计算分析的核心依赖于两种机器学习工具：动态时间规整和隔离森林。动态时间规整可以发现数据随时间变化的相似性和差异性；隔离森林是一种用于检测异常值的聚类算法。

“在大型数据集中，大多数数据点会形成清晰的模式或聚类，而隔离森林算法有助于识别出那些不在该聚类范围内的数据点。这些点可能具有临床意义，”Lee 说道。“这是一种识别个体行为何时发生统计学上有意义的变化的方法。”

研究团队将通过情绪调查和临床记录来验证该模型，以解释这些异常是否与心理健康状况的有意义的变化相对应。

图像

“这真的反映了当时人们的感受吗？他们是度过了糟糕的一天，还是迎来了突破性的时刻，又或者经历了恐慌发作？”Vu说道。“这些细节对于理解数据的意义至关重要。”

Vu 的项目已经 为未来的研究奠定了基础。今年 6 月，Vu 和 Lee 前往波士顿，与贝斯以色列女执事医疗中心的合作者会面，探讨新的研究思路。其中一项思路包括利用社交媒体数据作为额外的信息来源，扩展他们的异常检测工作。

“他们与我们分享了一些新的数据集，”Vu说道。“他们有一个有趣的想法，就是将我们的异常检测技术用作对话辅助工具。这样，当病人来就诊时，医护人员就可以说：‘这里出现了一些异常情况。当时发生了什么？’这为我们提供了深入挖掘的机会。”

该团队还讨论了机器学习如何帮助填补不完整数据集的空白，使医生能够追踪长期行为趋势，减少盲点。Vu 表示，一种算法可以预测智能手机数据丢失期间可能发生的情况。

李认为，像这样的基于人工智能的工具以及他实验室正在开发的其他工具并不是要取代临床护理，而是要作为改善临床护理的基础，特别是对于那些可能被忽视的患者而言。

“人工智能不会取代临床医生，但它可以为他们提供工具，让他们更早地发现变化，并支持更好的决策，”他说。“这种被动数据收集也可以扩大规模，因为几乎每个人都拥有智能手机。”

Vu 认为，从公共卫生的角度来看，这也是该方法如此有前景的原因之一。

“如果我们能够衡量行为随时间和环境的变化，我们就能倡导更可持续的改变，”她说。“这不仅仅关乎数字；更重要的是理解这些异常在人们现实生活中意味着什么，验证他们的表现，并最终在心理健康之旅中赋能他们。”