阿拉巴马大学研究人员利用人工智能标记心理健康问题

University of Alabama Researchers Use AI to Flag Mental Health Issues

阿拉巴马大学伯明翰分校（UAB）教育与人文科学学院的研究人员开发了一种工具，协助辅导员识别有较高焦虑和抑郁障碍风险的大学生，并提供主动解决方案。这一AI模型旨在应对健康差异和教育不平等问题，尤其是在美国大学生中报告的心理健康问题日益增加的背景下。

该模型设计用于识别一系列心理健康问题，以提高学生的生活质量和教育质量。UAB社区咨询诊所主任蔡宇森（Yusen Zhai）使用人工智能来发现学校收集的信息中的模式，如年龄、生物性别、在校年数、种族和民族、专业等，这些可能是更高心理健康风险的指标。在最近发表的一篇文章中，蔡宇森解释了使用预测模型预防和干预大学生焦虑和抑郁障碍的潜在好处。

“辅导员可以帮助改善心理健康，但有一个问题：在严重心理健康问题发生之前，辅导员缺乏足够的工具或资源来建议那些处于风险中的学生。”他在接受AL.com采访时说，“虽然有传统的评估方法，如临床评估和自我报告问卷，但它们通常面临挑战，例如学生可能因病耻感而不愿寻求帮助，或学生对这些服务的接触有限。因此，这些方法往往是在学生求助后才进行风险评估。通过AI，我们可以利用普遍收集的数据来改进这种情况，使我们更加主动而不是被动。”

蔡宇森和他的团队开发了机器学习预测模型，这些模型不依赖于临床样本或健康相关信息，而是依赖于社会经济人口统计数据，这些数据已被研究证明与更严重的焦虑和抑郁相关。考虑的因素包括性别、种族和民族、财务压力、校园归属感、残疾状况和年龄等。

学生无需填写额外信息；该模型仅帮助辅导员了解哪些学生群体可能受益于更多资源，例如提醒如何利用校内资源。“该模型将帮助我们确定哪些风险因素最重要，并按从高到低排序，以便辅导员可以首先关注最关键的问题。”他说。

蔡宇森和他的同事发现，生物性别和种族的交集可能会加剧压力——例如，少数族裔背景的女性学生可能同时面临文化压力和种族歧视，从而增加她们患焦虑和抑郁症的风险。同样，残疾状况可能会加剧财务压力或种族身份的影响，进一步边缘化学生，增加他们患焦虑和抑郁症的脆弱性。

“人类知识对于开发这种工具和服务至关重要。同理心和人性是辅导或任何专业健康服务中最重要的一点。”蔡宇森说，“这个AI工具旨在成为辅助工具，而不是取代人类辅导员或健康专业人士。该模型的目的是为辅导员提供更多数据驱动的见解。因此，辅导员仍然使用自己的临床判断，并结合AI提供的数据，做出更合乎伦理和数据驱动的决策。”

根据美国大学健康协会2023年春季对超过55,000名本科生的全国调查显示，约76%的学生经历了中度到严重的心理困扰。2022年，BestColleges对大学生进行了心理健康调查，发现46%的受访者认为他们的心理健康状况一般或较差。在这些学生中，只有20%的人通过学校寻求了帮助。在所有受访学生中，51%的人同意他们在大学期间心理健康状况恶化。

蔡宇森的AI工具目前基于大学生和大学，但他表示该模型也可应用于其他人群，如高中生。“这是我们的下一步。”蔡宇森说，“学校和高中已经收集了大量的数据，因此我们正在开发AI模型来分析这些数据，并为学校心理学家和教师提供更多数据驱动的见解，帮助识别可能有心理健康问题或学习问题的学生。”

(全文结束)