在医学领域的各个分支，研究人员和医生都在寻求人工智能和机器学习的帮助，以评估和诊断患者。他们希望这些技术能够加快诊断过程，并帮助发现那些人眼或人脑不易察觉的信号和模式。在精神病学领域，这个通常需要通过与患者对话来做出护理决策的学科，人工智能拥有增强护理的潜力。
科罗拉多大学认知科学研究所的研究教授彼得·福尔兹（Peter Foltz）说：“我们正在研究如何分析患者的反应。目前，在心理健康领域，患者与临床医生的互动时间非常少。他们中的许多人是远程的，很难与他们建立联系。”为了解决这个问题，福尔兹和他的团队正在开发应用程序，这些应用程序可以收集和分析个人心理状态的数据，并将其报告给临床医生。
他强调，这类工具并非旨在取代医生和精神病医生，而只是为了进一步改善他们的护理。随着对这些工具作用的研究不断深入，同样重要的是要关注如何建立对它们贡献的信任。“为了真正做到这一点，普通民众和精神病学界需要对人工智能的能力、局限性以及如何评估它有一个更深入的了解，”他说。
在本周发布的一篇新论文中，福尔兹和他的同事们概述了一个他们希望能够建立信任的框架。该框架强调了人工智能在精神病学中应努力实现的三大关键目标：可解释性、透明度和泛化性。“如果我们说要在该领域应用人工智能，我们认为这些就是精神病学需要考虑的支柱，”他说。
人工智能可能是一个“黑匣子”，任何旨在临床使用的程序都应附带关于其构建方式和训练数据的（透明性）信息，同时应尽可能向临床医生提供有关该程序如何得出任何最终决策（可解释性）的信息。
福尔兹说：“当机器做出预测时，它是基于什么做出预测的？我们希望人们理解它如何被使用，如何得出这些结果，以及这些结果意味着什么。”
人工智能程序首先在具有已知诊断或指定的一组特定数据上进行训练，然后利用从该组数据中学到的知识来对新的、未知的信息做出决策。然而，这些程序通常受限于其训练的特定人群。“我们希望确保在广泛的人群中进行验证，以确保它能够泛化到其训练人群之外的其他领域，”福尔兹说。
这些原则对医学的其他领域也很重要。但在精神病学领域，人工智能有可能打破一个瓶颈：与患者的对话一直需要由人类来解读，但现在，其中一些工作可能由机器来完成。
福尔兹的团队正在开发可以记录患者开放式问题信息的应用程序，并分析语音模式以了解他们的心理状态。“我们正在研究他们说话的方式，以及他们所说内容的组成部分，”他说。“我们可以看到他们的言语有多连贯，他们对主题的把握程度，他们从一个话题跳到另一个话题的幅度有多大，以及他们语言的结构。”初步结果表明，该程序解读患者心理状态的能力至少与临床医生收听相同录音回答的能力相当。
该团队正在努力完善他们的测量方法，并探索该工具如何应用于各种心理健康状况，从精神分裂症到轻度认知障碍。不过，福尔兹表示，这类程序可能还需要一段时间才能投入临床使用。
“时间跨度很长，可能在五到十年之间。一部分是因为需要进行更多的研究和完善研究，另一部分是为了进行更大规模的研究来检验其泛化性，”他说。“我们仍在弄清楚它作为一种监测患者的工具是如何运作的。”
