近日，beat365官方网站彭玉佳實驗室在Current Opinion in Behavioral Sciences雜志上發表了題為“Artificial intelligence in mental health: innovations brought by artificial intelligence techniques in stress detection and interventions of building resilience”的綜述文章。該研究系統探讨了人工智能（Artificial Intelligence AI）技術在心理健康領域，尤其是在壓力相關問題的檢測和個性化幹預中的革命性應用。

近年來，人工智能（AI）技術的飛速發展正深刻改變着心理健康領域，尤其是在壓力相關問題的檢測與評估中展現出巨大潛力。傳統的壓力檢測方式，如問卷和生理指标，存在主觀性、成本高、效率低等問題。經典幹預方法雖有效，但缺乏個性化，難以監控進展，并無法提供即時支持，有限的資源也限制了提供長期支持的可能性。

針對這些挑戰，本研究綜述了AI技術與心理健康的整合，聚焦于AI在壓力檢測和篩查方面的潛力，為上述挑戰提供了新的視角。大量研究表明，AI通過機器學習技術，結合生理、行為和環境數據，能夠有效評估并預測與壓力相關的心理問題。通過監督學習(supervised learning)和大語言模型(Large language models, LLM)等技術，AI能夠分析壓力和焦慮的生物标志物，精确識别個體的心理健康問題。這些算法可以在大規模人群中實現早期發現，為及時幹預奠定基礎。

基于AI技術在壓力檢測中的精準性，研究進一步綜述了AI驅動的壓力幹預技術。傳統的壓力管理和增強心理韌性的方法，如認知行為療法和正念療法，雖然有效，但耗時耗力，且對個體差異考慮不足。AI技術可通過減少人工工作負擔、提高咨詢資源的利用效率，尤其能夠為資源有限地區的人群提供更多支持。此外，傳統幹預依賴主觀報告，難以精準評估神經生物學機制，而AI能通過實時數據分析和個性化預測，更精準地定制幹預措施。因此，本綜述提出兩個主要方向：AI大語言模型（LLM）用于對話式的心理治療幹預，以及基于機器學習的解碼神經反饋（Decoded Neurofeedback , DecNef）用于神經調節幹預。

本綜述提出，AI大語言模型真正融入心理治療需要“人工智慧”，如要求AI具備理解情感的能力和嵌入的價值體系，使其能夠自我糾正、考慮倫理道德，分享人類的社會價值觀和社會規範。本研究也綜述了通過解碼神經反饋進行個性化訓練的前景，即這種技術能夠通過分析個體大腦的神經活動，幫助個體構建應對壓力的心理韌性，從而揭示幹預的神經生物學機制，實現精準評估和個性化幹預。

圖1. 人工智能在自動化壓力檢測和個性化壓力幹預中的應用。（頂部）通過從面部表情、對話和神經信号中提取的多模态特征，監督機器學習（ML）提取生化指标、情緒狀态和心理狀态的特征，進而預測個體的心理狀态。大語言模型（LLM）通過日常基于文本的對話促進壓力檢測。（底部）此外，基于個體特征，人工智能通過支持自然語言處理的心理治療和針對神經調控的解碼神經反饋（DecNef）促進個性化的壓力幹預。

總結而言，本研究綜述了壓力和心理韌性領域所面臨的挑戰，評估了AI技術在該領域實際應用中的有效性，并詳細讨論了其在現實應用中面臨的主要挑戰和未來的發展前景。該綜述認為，AI技術正在推動心理健康領域的轉型，突破了傳統的評估和治療方式，為個性化、精準化的心理健康評估與幹預提供了全新思路。

彭玉佳研究員和劉峰為該文章的通訊作者，博士後鞠芊芊為論文的第二作者。該研究為AI在心理健康中的應用提供了堅實的理論依據和未來發展方向，同時也為應對心理健康領域的重大挑戰提出了創新性的解決方案。

論文鍊接：

https://www.sciencedirect.com/science/article/pii/S2352154624001037

引用

Liu, F., Ju, Q., Zheng, Q., & Peng, Y. (2024). Artificial intelligence in mental health: innovations brought by artificial intelligence techniques in stress detection and interventions of building resilience. Current Opinion in Behavioral Sciences, 60, 101452. https://doi.org/https://doi.org/10.1016/j.cobeha.2024.101452

2024-10-08