人工智能應用于心理健康服務的相關問題思考

李 瑤 楊 琳

目前正處于第四次工業時代——“數字革命”時代的關鍵點，技術類型的融合是其核心，人工智能(artificial intelligence，AI)是自1956年以來最受認可和被廣泛使用的一種技術形式[1]。從經濟發展、教育到環境和農業，AI正在成為影響社會各個重要領域的關鍵工具[2]。在包括精神病學在內的醫學領域，AI的應用正在穩步增加[1]。在全球的醫療保健系統中，AI可以幫助處理人口數據、識別高危人群、為個別患者確定最佳治療方案以及發展精準醫療等[3]。在精神衛生保健領域，數字精神衛生已經逐漸建立，AI也已經開始涉獵精神衛生解決方案方面的工作[4]。心理健康從業者也需要熟悉AI，了解其目前在心理健康領域的使用情況、未來的發展潛力，以及在使用過程中需要特別注意之處，并準備好能夠在實踐中更好地運用AI。

1 AI的概念

AI研究的是如何利用計算機模擬人類大腦的識別、理解、參與、推理、學習、思考和解決問題的能力，并且AI能夠感知外界環境，進一步進行思維、學習，并輸出相應的行為[5]。有學者將AI描述為在分析復雜數據時使用算法和軟件來近似人類認知[6]。AI屬于計算機科學領域，包括一系列的技術和方法：機器學習、自然語言處理、語音處理、機器人技術和類似的自動化決策等[7]，用于開發和執行人類特有的認知過程[4]。

機器學習是AI的一種主要類型，是自動地從數據中學習模型并基于數據進行預測的算法[8]。它分為:(1)監督式機器學習，其中目標是已知的并由人類標記的，通過算法學習關聯不同來源的各種數據流(如社會人口學、生物學和臨床測量等)的輸入特征，目的是對新數據進行目標預測以獲得良好的泛化性能。(2)無監督式機器學習，該算法沒有事先提供的標簽，其特點是識別輸入特征之間的相似性并發現數據的底層結構，將數據分類，或識別數據集的最顯著特征。由于無法將特征與已知標簽相關聯，數據的輸出必須由特定專家解釋以確定其有效性。(3)強化式機器學習，即在模型中使用反饋作為獎勵或懲罰來最大化其性能。其中，監督式機器學習最常用[6]。

自然語言處理也是AI的一個重要領域，它特指計算機如何以非結構化文本的形式處理和分析人類語言[1]，涉及語音識別、自然語言理解和自然語言生成。自然語言處理在分析治療過程的錄音或治療師的筆記時具有重要作用[6]，并且在精神病學中的應用潛力也很大，因為語言的缺陷是抑郁癥、行為障礙、自閉癥、人格障礙和精神分裂癥的常見癥狀，如精神分裂癥患者可能表現為詞匯貧乏、語義不連貫和句法復雜性降低等[8]。這些屬性可以使用自然語言處理技術進行量化，得到的數據可以作為用于心理健康分類或預測的機器學習模型的輸入[4]。除此以外，AI還包括隨機森林、決策樹和支持向量機等，在心理學和精神病學中已被廣泛使用[6]。

2 AI在心理健康領域的應用

精神病學家、心理學家、政治家和科技公司越來越重視AI在心理健康領域中的作用[7]。AI程序已經被開發并應用于精神衛生和心理健康領域的各個方面[6]。

2.1 多樣化心理健康數據的收集

在心理健康領域，AI科學家不斷開發各種數據驅動的應用程序作為“電子健康”工具，包括智能手機、可穿戴/手持生物傳感器、社交媒體和其他基于網絡的活動等[3]。多樣化的數據通過對患者進行實時自我監控以及數據處理和分析來支持個性化服務，進一步建立并擴展了個體的電子健康檔案[3]。除了來自問卷、效果測試和臨床訪談的經典數據集之外，在心理健康領域中還有三類數據較為重要[9]。

2.1.1 感官數據

感官數據是從心率傳感器、身體活動傳感器或其他移動應用程序收集的數據，以評估個體精神癥狀、情感、行為和認知的動態變化[7]。生態瞬時評估是在自然環境中收集實時的數據，收集數據的工具包括智能手機、智能手表、腕帶、服裝和帶有嵌入式傳感器的貼片等，可用于測量心肺功能、運動模式、汗液分析、組織氧合、睡眠和情緒狀態等[6]。對這些生物標志物的收集與分析可以幫助早期識別精神障礙，并進行及時干預[9]。

例如，智能手機或智能手表能夠實時捕捉精神分裂癥患者的行為和心理狀態，有助于在其復發的早期階段及時進行干預[10]。有學者認為，結合AI的進步，感官數據可能有助于提供精神障礙的診斷信息、預測患者的預后，并幫助專業人員為患者提供最佳治療方案[7]。

2.1.2 社交媒體數據

各個社交網絡在全球擁有近30億用戶，已成為臨床醫療和研究的重要信息來源[8]。隨著人們對社交媒體使用的日益增加，網絡用戶可能會使用社交媒體來描繪他們的日常體驗，并通過在線互動加強社會協作[11]。社交媒體平臺包含了大量關于人們思想、情感、情緒和經歷的數據，這使它成為心理健康監測合適的數據來源[12]。對基于社交媒體平臺的分析可以生成有關個體心理健康和社交或職業互動方面有價值的詳細信息[8]。

診斷精神障礙的核心標準之一是日常生活習慣的改變[8]。分析社交媒體上的帖子可以在識別個體精神障礙方面發揮重要作用[12]。最新研究表明，分析和處理社交媒體數據可以使患者和臨床醫生獲取早期預警信號，并準確跟蹤和預測嚴重精神障礙患者的復發[3]。相關研究表明，焦慮、抑郁、雙相情感障礙和自殺意圖都可以通過日常自然發生的語言形式數據來觀察和測量，如在社交媒體平臺上發表的帖子或評論[3]。

2.1.3 設施數據

設施數據包括來自不同數字健康信息系統的電子健康記錄，以及來自動物模型或遺傳學的數據等[9]。心理健康干預，無論是否數字化，都必須記錄在臨床專業人員和衛生服務機構特有的患者記錄中[13]。現在普遍使用的電子健康記錄極大地促進了這一過程，除了人口統計、用藥記錄等結構化記錄外，還包括大量非結構化記錄，如臨床筆記、基因組DNA序列、頭部磁共振數據等[13]。挖掘這些異質性數據，可為精神疾病的預防、診斷和監測提供有價值的臨床依據[11]。

以上三類數據相輔相成，相互促進，應該作為一個整體來看待，共同用于評估個體的心理健康狀態[11]。

2.2 復雜心理健康數據的處理

單獨收集來源不同的數據集——即使它們的質量、數量和理想的有效性都很高，也不會顯著提高我們對精神障礙的理解[9]。現有的研究大多只關注一種模式，而忽略了不同數據模式之間的相互影響，異構數據挖掘可以通過集成多模態數據來提高系統的整體性能[11]。AI可以幫助我們對不同來源的異構數據集進行復雜且有意義的分析，促進我們對精神障礙機制的理解，有助于建立預測模型以及開發合適的干預策略[9]。

2.2.1 精神障礙的診斷

目前，精神障礙分類系統主要是根據一組核心癥狀對精神障礙進行分類和診斷，而忽略了精神障礙的實質性、多因素性和異質性等特點[9]。AI技術有可能成為有效的臨床診斷支持工具[3]，它可以通過不使用已建立的診斷系統來繞過許多定義性問題[6]。隨著計算機技術和聲學分析技術的發展，精神病患者的發音特征逐漸受到重視[14]。基于語音的病理特征，利用機器學習技術對心理健康進行無痛、無創的客觀輔助診斷已成為一大研究熱點，如抑郁癥和健康人在發音時間和停頓時間上存在顯著差異[14]。而且基于語音的精神疾病診斷方法操作過程簡單方便，診斷價格便宜，不會給患者帶來任何副作用[14]。此外，面部特征也可以用來表明心理健康狀況，例如，精神分裂癥患者的面部表情相較于正常個體顯著減少[6]。

2.2.2 建立心理預測模型

數據挖掘技術最近成為一個流行的研究領域，在醫療、金融服務、電信、自然科學等領域有著廣泛的應用，它是一個通過數據挖掘有用模型的過程，旨在解釋現有行為或預測未來結果[15]。AI和機器學習具有通過大量患者病史、醫學圖像、流行病學統計和其他細節數據(如自然語言數據等)建立和挖掘模型的巨大潛力[8]。通過使用貝葉斯網絡收集大型調查數據并進行關聯分析，建立預測模型，能夠對精神障礙的解釋提供科學證據[16]。例如，通過觀察個體相關行為的變化、詞匯的使用和情緒特征等來識別抑郁癥狀，如快感缺乏、失眠、活動減少等，構建一個多模態的抑郁模型，有助于區分抑郁和非抑郁個體的潛在特征[12]。早期干預是預防精神障礙的最佳方式，AI的早期檢測系統可以幫助臨床醫生及時、有效地識別精神障礙的早期癥狀[17]。通過分析社交媒體內容中的語言特征(包括文本，語音的音量、音調和語速等)，有可能生成機器學習模型，更早地推斷個人的心理健康狀況[4]。還有一種將AI與人類智能相結合的方法是讓專家將AI的發現放在現有理論或概念框架下，擴充和整合現有的理論或概念，進一步測試可能的潛在機制[2]。

2.2.3 自殺風險的預測

自殺案例對其家庭和所處社區都會產生嚴重影響，早期發現自殺意念可以防止許多自殺案例，并有助于確定需要立即咨詢的人[12]。目前，AI在幫助識別和預防自殺案例方面取得了較為顯著的效果。它是一類自動分類系統，可以通過對危險信號的早期識別，將最需要緊急關注的案例推送給人類咨詢師[6]。預測的準確性是其公認的優勢之一，例如，有學者使用機器學習算法在14 701條推文中區分出與自殺強烈相關的推文，準確率為80%[12]。有學者使用自然語言處理分析非結構化或文本材料，以識別精神病學研究數據庫中的自殺意念，發現識別自殺意念的準確率為92%，識別自殺企圖的準確率為83%[6]。在自殺影響因素方面，有研究者發現，在深夜長期使用手機的青少年有更多的精神問題，甚至自殺的風險[11]。

2.3 心理干預與治療領域

精準醫療，即嘗試針對患者進行個性化治療或恰當治療，以產生更有效的干預措施，而AI是精準醫療的重要支持[6]。AI和精準醫療都被認為是醫療保健方面的革命性新進展，因為它們能夠使我們從一刀切的診斷和治療轉變為基于大量數據的個性化診斷和治療[6]。AI在心理治療與干預領域的運用可以包括以下三個方面。

2.3.1 生活化的心理健康干預

生態瞬時干預是在患者的日常生活和自然環境中，通過對話提供的治療[6]。這些干預措施將心理治療的某些方面擴展到患者的日常生活中，其特點是實時提供治療，并且不依賴于與臨床醫生的互動[6]。瞬時提醒通常用于諸如藥物依從性和癥狀管理之類的行為，更復雜的生態瞬時干預是根據過去的最近結果，使用算法來優化和個性化干預系統：例如，有學者描述了一項通過兩種不同的技術——深呼吸和漸進式肌肉放松——減少焦慮的研究，算法可能會以相同的頻率開始展示每種技術，但隨后會更多地轉向對該個體來說似乎最成功的技術[6]。每種治療形式(深呼吸和漸進式肌肉放松的不同組合)因人而異，治療方式的選擇不是根據該群體的平均結果，而是根據個人的數據為個體量身定做[6]。另外，有學者提出，對于兒童和青少年的心理健康問題，必須與個體所處的社區相聯系，利用當地建立的伙伴關系和網絡，在不斷變化的社會環境中保護和改善兒童和青少年的心理健康，幫助個體更好地完成從兒童期到青春期再到成年期的過渡[9]。

2.3.2 心理治療技術

在心理治療方面，AI正被納入到數字干預中，隨著網絡和智能手機的普及，AI可以提高用戶體驗，優化個性化的心理健康服務[4]。互聯網提供的認知行為療法可能是研究最深入的數字心理健康干預之一，它已經使用了近20年，有學者進行了個體數據薈萃分析發現，大約1/3使用者的癥狀獲得了緩解[13]。使用虛擬現實(virtual reality,VR)技術進行沉浸式虛擬治療干預已成為治療某些精神障礙(如恐高癥)的一種有效且低廉的輔助手段[10]。近25年來，VR技術在心理健康方面的潛在治療價值已經得到驗證，尤其是針對焦慮障礙[13]。其他研究還發現該技術對妄想、幻覺或與精神分裂癥譜系相關的認知和社交技能障礙等具有一定的效果[10]。然而，VR技術在患者和治療師中的應用范圍仍然有限[13],且目前缺乏對沉浸式VR技術的研究[10]。

某些基于網絡的替代治療方案，包括引導式自助、聊天機器人和其他基于網絡的干預措施，可以作為輔助或獨立干預措施增加患者獲得心理治療的機會[10]。其中聊天機器人在心理健康領域的運用已經成熟。聊天機器人具有基于文本或語音模擬人類對話的通信界面，旨在采用治療技術幫助人們應對心理健康問題[18]。聊天機器人利用預編程的內容和決策樹，使用自然語言處理等技術進行自動對話，比靜態數字存儲庫更具交互性，有利于提高患者的參與度[19]。他們可以通過心理教育為患者及其家人、照顧者提供有關患者心理健康狀況的信息，提高其心理健康素養，減少污名化，對患者心理健康產生積極影響[18]。

2.3.3 提供心理健康監測與反饋

AI還有一個重要作用就是可以對心理干預和治療進行監測和反饋。例如，有學者認為可以通過評估錄音的某些維度對對話進行評估：中斷的重疊談話、超過兩秒的停頓、語速、語調和語氣[6]。當然還必須克服許多技術困難才能評估更多的變量，但該領域的研究也取得了相應的進展。AI通過對患者有效持續的監測，可以提高治療質量[6]。智能手機和其他互聯網活動設備的普遍使用，使得從客戶那里收集數據變得實用而高效，而這些不同的數據可以為治療者提供反饋，幫助治療者預測和預防復發以及增加患者的依從性[6]。

2.4 其他心理健康領域應用

2.4.1 數字遠程心理健康服務

數字遠程醫療服務有許多實施方式，包括視頻會議、遠程監控和移動醫療設備的使用等，這些技術越來越多地被應用于大規模的災害性事件[19]。除了傳統的精神科醫生和精神障礙患者之間的雙向遠程會診外，由精神科醫生遠程支持的聯合心理健康專業人員的多人會議或遠程協作已經在多個國家成為主流[19]。

2.4.2 心理健康知識的普及

AI的引入使人們的傳統觀念逐漸改變，人類的知識和人文教育水平得到了提高，AI本身不會對教學產生影響，但它可以轉化為教師使用的一種媒介或工具，在教育教學中發揮作用[5]。例如，可以使用移動應用程序按照個體的需求提供個性化的心理健康教育，作為面對面心理治療與干預的進一步補充[18]。這些程序能夠被廣泛使用，主要是因為：客戶可以輕松地訪問到相關的報告結果；客戶可以在虛擬教室學習心理學知識和觀看相關視頻；還可以自己創建相關課程等[10]。騰訊課堂等平臺的功能包括視頻錄制、師生互動、精準教學、課后測試等功能，促進了教學模式和教學手段的進步，提高了教學質量，越來越受到教師、學生和家長的認可[5]。

3 AI在心理健康領域的優勢

目前，在醫學領域，AI技術越來越多地應用于身體健康，而心理健康方面則發展得較為緩慢。心理健康從業者更注重實踐和以患者為中心，更多地依賴“軟”技能，包括與患者建立關系以及直接觀察患者的行為和情緒，心理健康的臨床數據通常也是采用主觀的和定性的患者陳述和書面筆記的形式[1]。盡管如此，AI技術仍然可以有效地運用于心理健康領域[1]。有學者認為，傳統心理健康干預的服務范圍相對有限，而人們對心理健康各方面的需求不斷增長，所以AI特別適用于心理健康[13]。總體來看，AI運用于心理健康領域具有以下幾點優勢。

3.1 特殊時期的服務

自2019年底，新型冠狀病毒肺炎疫情開始流行，并在全球蔓延。新型冠狀病毒肺炎疫情的大流行對心理健康服務領域產生了重大影響。首先，疫情大流行造成的各種壓力將增加對心理健康服務的需求[6]。有學者預測，失業和由此產生的財務壓力可能會導致常見的心理障礙的增加[10]。還有學者研究發現，情緒驅動的錯誤信息分享在這次疫情中占據突出地位，加劇了公眾的困惑和非理性焦慮，直接影響超負荷的衛生系統，間接影響心理健康，可能導致偏執的行為反應，如因過度恐懼而囤積貨物[19]。其次，這些增加的心理問題，在醫療資源尤其是精神衛生資源匱乏的國家，更加難以得到醫治[6]。最后，由于社會疏遠的要求，面對面的心理干預受到嚴重限制[6]。因此，在疫情流行期間，將數字心理健康整合到心理健康服務領域至關重要[10]。有研究發現，在新型冠狀病毒肺炎大流行期間，相較于急診和住院治療，遠程醫療服務更受到患者和家屬的青睞，患者對遠程心理健康服務的看法總體上是積極的[10]。有研究證明了數字心理健康，包括基于云的大數據系統、基于AI的聊天機器人、在線健康社區和遠程醫療平臺在各種心理健康服務領域具有一定的有效性[19]。

3.2 便捷性

有研究發現，在美國，只有不到一半的精神障礙患者接受過相關治療，超過60%的重度抑郁癥青年沒有接受過任何心理健康相關治療[6]。精神衛生保健方面的不公平(如距離不便和專業人員稀缺等)是一個常見問題[10]。貧困兒童、少數民族和農村家庭獲得心理健康服務的機會較少，在低收入和中等收入國家，心理健康服務獲取的限制更為嚴重[6]。還有很多弱勢群體無法在實際生活中尋求面對面的心理健康服務，例如家庭暴力的受害者或持久被虐待的兒童[19]。

AI治療師可以24小時全天候為患者服務，并且不受時間和地點的限制[6]。這樣就可以擴大心理健康體系服務的對象，使更多的人群更便捷地獲得相關服務。AI治療師以虛擬的方式接觸到無法在實際生活中獲得心理健康服務的人，采用簡單直觀的界面，以用戶熟悉的方式與其進行交互，在人們所在的地方以令人愉悅的形式提供心理健康支持，使更多的人獲得心理健康服務[18]。

3.3 減少污名化

有研究發現，1/5的美國成年人在一生中可能會經歷精神障礙[20]。然而，超過一半的精神疾病患者沒有接受過相關治療[6]，自我導向污名和公共導向污名是導致這一現象的重要原因：自我導向污名助長了自我歧視和刻板印象，會產生增加負面情緒、阻礙職業發展等不良后果；公共導向污名會導致有精神障礙的個體在社會中缺乏各種機會、被強迫治療和缺乏獨立性等[20]。使用電腦、手機等移動設備或聊天機器人來直接表達個體的情緒或精神障礙常常被認為可以避免污名化[18]。有研究表明，當人們認為他們在與計算機而不是真實的臨床醫生進行交談時，自我表露的恐懼減少，印象管理行為減少，更容易表達自己情緒的嚴重程度，并且更愿意進行自我表露[8]。在行為健康方面，患者更容易向數字或聊天機器人報告癥狀，而不是向人類報告[20]。

3.4 緩解醫生以及醫療壓力

2017年，世界衛生組織報告稱，全球每10萬人中只有9名精神衛生工作者，精神衛生專業人員嚴重短缺，臨床負擔過重[18]。AI可以降低許多精神衛生工作者的任務成本，提高生產力[6]。在人力方面，可以簡化日常工作，減少單調重復的任務，讓專業人員從事更復雜和更有趣的工作；另一方面，AI能夠幫助精神衛生專業人員在治療過程中更加以患者為中心，例如，醫生在與患者交談時將不再被筆記本電腦隔開，因為AI能夠記錄以及分析、整理醫患之間的對話與互動[6]。

3.5 增加對精神疾病的全面認識

一個人獨特的生物-心理-社會特征可以全面充分地解釋個體整體的心理健康狀況，然而我們對這些生物、心理和社會系統之間相互關系的理解相對狹隘[1]。AI的主要優勢之一是對數據的處理[6]。它能夠高速處理來自不同來源(電子健康記錄、管理數據集、可穿戴傳感器、基因組和蛋白質組數據庫以及社交媒體)的大量數據[8]。這些數據可以是關于同一個體的結構化(定量)或非結構化(文本、圖片、聲音等)數據[6]。利用AI技術對這些數據進行分析，有助于開發更好的診斷前篩查工具以及制定風險預測模型，以確定個體對精神疾病的易感性及風險評估，有助于開展精準醫療[1]。

4 心理健康領域使用AI的潛在問題

盡管AI被廣泛地運用于心理健康領域，但因為該領域的主觀性強、以人為本、影響因素眾多等特殊性質，在使用AI技術時，我們應當特別注意以下可能存在的潛在問題。

4.1 技術方面的問題

4.1.1 算法偏差

所有基于AI的算法通常都存在偏見，就像人類所存在的各種偏見[20]。有證據表明，數據驅動的精神衛生保健方法可能進一步加深性別、民族、種族、年齡、階級和地域政治的不平等[3]。有學者認為，如果真實數據僅限于社交媒體數據或自我報告的心理健康狀況，不包括評估心理健康所需的背景信息，如目前無法通過監測設備獲得的人際關系、文化、社會、經濟和環境信息，那么數據可能產生有偏見的結果[7]。

4.1.2 心理健康領域AI專業人員缺乏

AI運用于心理健康領域，需要有能力處理大型復雜數據集的數據管理人員，但實際生活中，能夠并希望與心理健康領域研究人員合作的AI科學家很少，因為心理健康服務在衛生系統并沒有受到足夠的重視[6]。另一方面，對于心理健康領域從業者，必須熟悉并掌握這些AI工具，才能將其運用到臨床實踐中[10]。但實際上并沒有既定標準來指導專業人員如何在醫療保健環境中使用AI及其他新興技術，對AI技術缺乏了解也會阻礙心理健康領域從業人員對其的使用[1]。

4.1.3 AI的準確性問題

4.1.3.1 缺乏關于數據結果有效性的研究

心理健康服務正在發生變化，互聯網上有10 000多個心理健康應用程序正在被使用，但沒有太多證據證明這些程序的有效性[6]。有學者認為，數字心理健康干預的證據，包括現實環境中臨床有效性和成本效益的證據仍然不足[7]。目前，缺乏對包括聊天機器人等在內的用于心理健康服務的移動設備的實證研究，這意味著無法為許多工具提供基于證據的指南和建議[18]，即沒有已知的數字心理健康產品或服務注冊來證明這些產品的質量、安全性、透明度和有效性[10]。另一方面，AI應用程序數據的大小和質量會限制算法的性能，有可能這些算法的輸出僅在特定情況下或對特定人群有效，不具有推廣性，很難明確這些研究的實際意義和臨床價值[1]。

4.1.3.2 AI的“黑匣子”

許多AI方法，都被認為是決策過程中的“黑匣子”，即我們很難理解它們從大量數據中推斷出什么，以及它們是如何得出結論的，因此很難判斷它們的正確性[2]。另外，“黑匣子”也容易受到風險的影響，如意外或有意的偏見、錯誤和欺詐、對這些系統輸出的錯誤解釋、不恰當的使用(如直接在精神疾病診斷或心理治療中使用它們)，以及無視潛在的假設(如每個人都是不同的)等，都可能產生嚴重后果[2]。所以有學者指出，AI實際上是一種模型盲法，代表的是統計過程而不是因果推理，它缺乏透明度，不適合進行理論開發或測試，AI是幫助人類進行心理健康保健，而非取代人類[6]。

4.2 倫理方面的問題

心理健康服務本身就是一個特別需要注意法律和倫理問題的領域，AI的加入可能會加劇該領域傳統的倫理問題，需要我們特別關注[4]。機器學習與大數據經常聯系在一起，引發了許多新的倫理問題，超出了現行法律體系的范圍[21]。因此，參與AI技術選擇、測試、實施和評估決策的人員必須意識到這些倫理問題，并給予高度重視[1]。

4.2.1 算法偏差導致的污名化

有偏見的算法可能導致污名化，使用有偏見算法的工具搜索信息會降低一個人找到有效信息的能力，并可能造成額外的傷害[18]。另外，這種偏見可能會滲透到與心理健康相關的預測模型中，如果對某些少數或弱勢群體的預測存在偏見，可能會進一步加劇他們與其他主流群體的差異[20]。

4.2.2 AI的責任歸屬問題

AI在任何時候都需要審查，有學者強烈認為人類不應將決策責任委托給“單獨的機器”[7]。但是誰能夠負責確定原始數據集的準確性、質量以及結果的準確性和有效性依然存在爭議[6]。有研究者提出AI技術包括引導式自助、聊天機器人和其他基于網絡的干預措施存在安全性和公眾接受度的問題[10],因此，需要明確規定AI的相關標準，以便進行管理、監督和執行，維持其在心理健康領域的持續運營[18]。在美國，律師協會AI委員會建議建立國家算法登記冊，以實現其透明度和公眾信任，這一發展可能對AI在心理健康中的使用產生重大影響[7]。

4.2.3 個人信息的保密問題

使用社交媒體作為AI的數據來源存在倫理挑戰[12]。例如，在預防自殺的研究中，研究人員需要通過使用社交媒體跟蹤患者的信息，這可能被視為違反保密原則，在這種情況下應用AI會引起重大的倫理問題，需要我們在保持善意和尊重保密之間找到平衡[8]。還有一些基于心理健康服務的移動設備，可能會跟蹤客戶的位置信息，允許錄音甚至可能鏈接到財務等極其敏感的個人信息[18]。所以我們應當使用各種方式(如為客戶提供一個私密且安全的虛擬場所等)保護客戶的隱私，才能增加客戶的信任度和使用率[18]。有學者建議，研究人員需要獲得機構審查委員會的倫理批準或豁免，在可能的情況下獲得客戶的知情同意，并在演示或分析使用中對敏感數據進行保護和匿名化[12]。一般來說，研究人員可以使用公開可用的數據進行健康監測，但必須為社交媒體用戶保密[12]。

4.2.4 公眾的知情同意問題

在AI技術的背景下知情同意是一個動態的、持續的和相關的過程，提高公眾對AI技術利弊的認識和理解至關重要[3]。法國一項關于患者對可穿戴監控設備和AI醫療保健觀點的研究發現，35%的患者會拒絕在他們的護理中使用生物識別監控設備和基于AI的其他工具[7]。建立信任的一種方法是讓公眾和患者參與心理健康AI的研究和開發[7]。考慮患者的觀點將有助于充分利用技術，而不會損害護理的人性化、產生負擔或干擾患者的生活，是未來提高與心理健康相關的AI安全性和可接受性的一個重要途徑[3,7]。

5 結語

AI越來越成為數字醫學的一部分，并將為心理健康領域的研究和實踐做出重要貢獻[1]。鑒于心理健康領域的復雜性和敏感性，在未來的發展中，領域專家必須參與非結構化數據的解釋、解決方案的創建以及倫理問題的研究等，才能確保相關技術以一種可解釋的、可操作的和透明的方式運行[2,7,21]。患者、服務使用者及其家庭也應該作為專家參與AI應用程序的設計、研究和開發[7]。另一方面，我們還應當增加對AI使用的監管力度[18]，積極大力發展社區醫療保健[11]，推動AI技術在心理健康領域的進一步發展。