由韩国大学医学院（韩国大学九老医院）精神病学系的郑炫江（Hyun Ghang Jeong）教授领导的研究团队，与Geovision Inc.研究团队合作，发表了关于使用人工智能（AI）在精神科病房中早期检测自伤行为可行性的大规模验证研究结果。该研究发表在《科学报告》（Scientific Reports）期刊上。
在封闭的精神科病房中，自伤行为的早期检测对确保患者安全至关重要。然而，持续的人工监测面临结构性挑战，包括人员配置限制和观察盲区。为解决这一问题，研究团队评估了基于视频的AI动作识别技术在真实临床环境中检测自伤行为的准确性，以及在受控实验室环境中训练的AI模型在应用于真实医院条件时是否能保持其性能。
研究团队在模拟精神科病房条件的演播室环境中生成了1,120个模拟自伤视频样本。此外，还使用了从韩国大学九老医院封闭精神科病房收集的118个真实临床视频样本作为验证数据。所有临床视频数据在分析前均经过完全匿名化处理，并通过与医疗记录的交叉验证确保了临床可靠性。随后，研究团队在相同条件下训练并评估了六种最先进的基于深度学习的动作识别AI模型，以比较它们在检测自伤行为方面的性能。
结果显示，虽然AI模型在模拟演播室环境中表现出相对较高的性能，但在应用于真实临床视频数据时，其性能显著下降。即使是最新基于Transformer的AI模型，也因真实世界条件的多变性（包括多样化的行为模式、遮挡和不规则的运动特征）而难以有效泛化。特别是，像抓挠和抠皮这样细微且重复的自伤行为，被确定为现有AI模型最难检测的类型。
郑教授表示："本研究最重要的贡献是定量地展示了基于AI的自伤检测技术的潜力和局限性。通过系统比较模拟和真实临床数据集，我们能够清楚地识别出在当前技术水平下AI模型临床实施所需的改进。此外，本研究建立的基于演播室的自伤行为数据集有望推动精神病学和医学AI研究的进步。"
【全文结束】
