AI重构心理健康产业的障碍和解决方案

背景

根据 Oracle 和 Workplace Intelligence 最近一项研究表明，只有 18% 的人更喜欢人和人类讨论们的心理健康问题，而68% 的人会选择机器人。多项研究证实，通过移动应用程序提供的计算机辅助认知行为疗法 (CBT) 相当于甚至比标准 CBT 更有效。机器学习 (ML) 和深度学习 (DL)在诊断心理健康状况和预测结果方面提供了更高的准确性。用于语音识别和文本分析的自然语言处理 (NLP)，通过聊天机器人计算机程序模拟人类对话，以及创建和理解临床文档。用于成像数据分析和理解非语言线索的计算机视觉，例如面部表情、手势、眼睛注视或声音紧张等。用于心理健康的人工智能很可能是下一个创新热点，也面临极大的障碍。

话题

1. 创业公司如何以低成本的方式采集数据和保证数据的有效性
2. 网络安全、个人隐私、数据安全的风险和挑战

沙龙回音壁

• AI 重构心理健康产业首当其冲就是相关数据的应用和安全。高质量数据平台建设和有效的数据应用构建数据模型以及数据成本的合理性都是人工智能在心理健康领域应用需要关注和解决的关键因素

  一、心理咨询平台：

  保证心理健康患者数据安全，首先要做到机房和传输以及浏览权限的安全，系统规范化以及如何应用数据。

  二、心理健康和公共安全平台数据管理 （北京心理服务平台，500个社会心理服务站数据建设）

  数据模型（岗位准则），结构化的数据（1000万人）

  心理学大数据的构建：包括数据采集，数据整理，数据分类，数据汇总，数据关联与分析，数据模型，行为预测，危险预警。

  数据测什么？— 传统的量表以外，还包括脑认知训练，在线游戏，例如时间知觉，空间知觉等。

  数据应用？— 各个单位因为自己的应用来选择

  精神行为数据划分：心理维度，年龄段，民族、职业群体划分，组织决策团队，核心人物心理数据等。

  数据链：1.基础数据链 2.功能数据链 3.核心保密数据链

  三、创业公司，数据种类和不同阶段数据成本规划是非常必要的

  1.获取中小型医院数据相对成本低但可能存在数据质量偏低问题；

  2.数据分类，不同功用分类，例如对于大量的数据看方向性，探索性不高的工作量比较小等；

  3.数据合作方式：医生，卫健委等都有不同层面的数据合作，医生有做基础应用要求的可以数据合作。