Page 238 - 急诊医学与精神疾病的临床理论研究

第七章 大数据时代的精神分析

2. 人工智能在精神疾病治疗中的局限性
①数据隐私与安全：精神疾病患者的个人信息和隐私需要得到充分保护，避
免数据泄露和滥用。②法规与伦理问题：目前对于人工智能在精神疾病治疗中的

应用还缺乏明确的法规和伦理规范，需要进一步完善相关政策和法规。③技术成
熟度：虽然人工智能在精神疾病治疗中具有很多优势，但目前技术成熟度还有待
进一步提高，需要更多的研究和临床验证。

二、人工智能在精神疾病诊断与治疗中的应用——人工智能算法

1990 年和 2010 年全球疾病负担研究发现，精神障碍和物质滥用是造成以伤
残调整生命年（DALY）衡量的第四大疾病负担的主要原因，并且是导致全球范
围内伤残的主要原因。

为了研究精神疾病的致病因素和发病机制，同时增加对大脑的干预能力和提
高对精神疾病的临床治疗水平，各国开展了大量脑研究计划。如美国 2013 年推
出的推进创新神经技术脑研究计划（Brain Research through Advancing Innovative
Neuroethology，BRAIN Initiative）、欧盟 2013 年推出的人类大脑计划（Human

Brain Project，HBP）、日本 2014 年启动的脑库网络（Brain Bank Network）项目。
我国也非常重视该领域的研究，并于 2016 年发布了“中国脑计划：脑科学与类
脑研究”，该项目涵盖了大脑疾病的神经机制的基础研究和临床研究。
尽管精神疾病是脑科学研究的一个重要领域，但是大多数精神病学专家仍然

基于主观经验而不是通过病理生理学指标对该疾病进行诊断。这可能会误诊及无
法准确判断治疗路径。因此，我们迫切需要对重大精神疾病的病因和发病机制有
一个清晰的认识，以便为主要的大脑疾病开发有效的治疗和干预措施。
近年来，基于人工智能（AI）的应用已被迅速用于精神病学研究和诊断。例

如，Jan 等提出了一种用于监测抑郁症的 AI 系统，该系统可以预测贝克忧郁量表
Ⅱ（BDI- Ⅱ）中声音和视觉表达分数。另外，Wen 等基于多模态神经影像学提
取了多种类型的灰 - 白质特征，并使用多核学习分类器为每个特征的核函数分配
权重。

然而，目前尚无系统性的综述对 AI 在精神病学研究和诊断中的应用情况进
行阐述。因此，我们将对该部分内容进行简要阐述，并对如何使用 AI 技术去探
索精神疾病的生物标志物进行讨论。

221