心球Ai - 心球智能科技

02。

模型识别情绪准确率

心理健康筛查一直是心理健康服务领域的重要组成部分，早期筛查和识别是提供有效干预和治疗的关键。传统的筛查手段主要是通过量表，访谈，问卷等手段获得来访者的信息，存在着效率偏低，数据静态化，数据搜集被动化的特点。而对话机器人可以通过手机随时与系统进行交互，通过自然语言处理（NLP）和机器学习算法来分析用户的回答，从而评估其心理状态，并提供初步的心理健康评估，具有易于访问和使用的特点。初步评估：机器人通过一系列标准化的问题，如患者健康问卷（PHQ-9）或广泛性焦虑障碍量表（GAD-7），来评估用户的心理症状。这些问题设计得简单易懂，用户可以通过文本或语音回答。症状识别：通过分析用户的回答，对话机器人可以识别出可能的心理症状。例如，如果用户在PHQ-9量表中的得分超过一定的阈值，机器人可能会识别出潜在的抑郁症状。风险评估：除了识别症状，对话机器人还可以评估用户的风险水平。例如，通过询问用户的睡眠模式、饮食习惯和生活压力，机器人可以提供更全面的心理健康状况评估。干预建议：根据筛查结果，对话机器人可以提供初步的干预建议。对于高风险用户，机器人可能会建议他们寻求专业的心理健康服务。对于低风险用户，机器人可以提供自我帮助的策略，如放松技巧、正念练习或生活方式的改善建议。

相关实证研究

生态瞬时评估EMA与传统静态的心理测量方式最大的不同是系统会自动存储用户的对话内容并分析得出心理状况数据，绘制出相应时间周期内的心理健康状况变化图，并将报告反馈给用户本人进行自我监督管理。这种生态瞬时评估（Ecological Momentary Assessment，EMA）模式的数据搜集方式比传统心理健康筛查的数据方式更具有生态性、可靠性，它所提供的心理健康筛查不再是传统筛查方式的对于某个时间点的静态筛查，而是通过对数据的持续搜集和分析，从而在用户个体化水平上进行的更精准和及时的动态筛查。

模型准确率在对话机器人针对的心理症状筛查方面，目前有针对压力状况和焦虑状况的筛查，也有针对酒精成瘾、烟草成瘾的筛查，还有针对抑郁症状和自杀倾向的筛查等。有研究证明，与面向人类的心理自评报告相比，人们向虚拟机器人披露的症状更多，尤其是当信息是被污名化时，这种对比差异将会更加明显，而许多对身体和精神有害的行为都属于这一类，如自杀念头、物质成瘾、不安全性行为等，这种自我披露程度的增加可以提高心理健康筛查的准确率。目前AI技术在心理健康诊断的应用上，已经可以通过语音实现对用户心理健康状况的识别，目前对抑郁症，焦虑症，心理压力水平均可以识别，模型准确率高达95%。

参考文献邵华, & 吕晓峰. (2011). EMA——一种生态主义取向的研究模式. 心理科学, 34(05), 1236-1241 Afshan, A., Guo, J., Park, S. J., Ravi, V., & Alwan, A. (2018). Effectiveness of Voice Quality Features in Detecting Depression. Andersson, & Gerhard. (2016). Internet-Delivered Psychological Treatments. Annual Review of Clinical Psychology, 12(1), annurev-clinpsy-021815-093006. Bennett, S. D., Cuijpers, P., Ebert, D. D., McKenzie Smith, M., Coughtrey, A. E., Heyman, I., Manzotti, G., & Shafran, R. (2019). Practitioner review: Unguided and guided self‐help interventions for common mental health disorders in children and adolescents: A systematic review and meta‐analysis. Journal of Child Psychology and Psychiatry, 60(8), 828-847. Calvo, R. A., Dinakar, K., Picard, R., Christensen, H., & Torous, J. (2018). Toward Impactful Collaborations on Computing and Mental Health. Journal of Medical Internet Research, 20(2), e49.

PART

心球Ai