Page 253 - 急诊医学与精神疾病的临床理论研究

Clinical Theoretical Research on Emergency Medicine and Mental Disorders
急诊医学与精神疾病的临床理论研究

监测教室中学生的专注程度。在物联网技术发展的同时，可穿戴设备成为收集多
模态数据的主要方式。目前，可穿戴式设备可以收集用户的心率变异性、皮肤电
导及运动等数据，并主要应用于心理健康领域。有研究指出，心率变异性和皮肤

电导水平是测量个体压力的重要指标，并被证明是测量精神障碍水平的有效指标。
以 Kleiman 团队研发的 Empatica E4 智能手表为例，该设备被实验证明不仅可以
在日常生活中使用，还可以通过收集佩戴者的皮肤电和心率数据等实时监测和预
测使用者的自杀念头。通过智能可穿戴设备收集运动数据，研究人员还可以动态

监测抑郁、注意缺陷多动障碍（attention deficit and hyperactivity disorder）等精神
障碍的发展情况。总之，智能化的心理健康监测方法不仅可以实时监测个体的心
理健康数据，还可以引导个体在有精神障碍风险时及时寻求专业帮助，并提供心
理健康数据以提高临床诊断的准确性。此外，在认知心理学研究中，还可以利用

可穿戴设备测量被试的生理数据。例如，在完成任务的过程中可以实时监测应激
状态下影响认知能力的指标及心率变异性等生理指标。有研究发现较高的心率变
异性与更好的认知表现有关，而较低的心率变异性与认知障碍有关。
4. 智能手机记录的真实数据

随着智能手机的普及，人们在日常生活中的数据越来越容易被记录和留存，
分析和使用这些数据有望提高教育和心理学研究的生态效度。例如，有研究通过
智能手机的 GPS 定位数据确定用户的日常空间行为模式，并预测用户的大五人
格类型；普林斯顿大学的研究团队使用智能手机的社交行为、音乐消费、应用程

序使用、移动性、整体手机使用频率以及昼夜使用比例等六个指标，评估用户的
大五人格特质，其准确性达到 40%。此外，通过智能手机的留存数据监测心理
健康也具有较高的准确率。目前，手机应用市场上出现越来越多的针对精神障碍
的应用程序，其中一些程序被临床实验证明可以有效地监测或改善某些精神障碍

症状。
（二）教育和心理学领域的智能化数据分析技术
人工智能在拓宽教育和心理学研究领域的数据分析技术方面发挥越来越重要
的作用，尤其是深度学习技术为研究者提供强大支持。深度学习是一种通过模拟

人脑行为，从大量数据中进行学习的人工智能技术。它在许多数据分析应用中产
生了深远的影响，包括语音识别、图像分类、计算机视觉和自然语言处理等领域。
人工智能技术可以帮助研究人员从数据中提取人类专家无法识别的信息，为研究

236