精神疾病是全球致残的主要原因之一，对个人、其家庭及整个社会都会造成严重后果。检测精神疾病通常需要由专业人员进行资源密集型的临床访谈。此外，全球训练有素的治疗师严重短缺。在精神疾病的早期阶段（此时干预最为有效），人工智能可以显著改善诊断和治疗。
人工智能系统可以通过分析患者语言、面部表情和用词选择中的细微信号来辅助治疗师。然而，训练此类系统需要来自真实治疗会话的高度敏感数据。语音和视频数据可能暴露患者身份，而基于此类数据训练的模型则存在记忆并无意中泄露个人信息的风险。
达姆施塔特工业大学（Technische Universität Darmstadt）计算机科学系泛在知识处理（UKP）实验室与印度理工学院德里分校（IIT Delhi）的研究人员近日在《自然-计算科学》（Nature Computational Science）杂志发表观点文章，提出创新性解决方案。他们阐述了如何设计心理健康人工智能系统以保障患者信息机密性。
为实现这一目标，研究团队提出基于多维度方法的隐私感知人工智能系统开发流程。具体措施包括：清除个人身份信息、实施语音与面部数据匿名化处理、生成合成训练数据集，以及采用隐私保护型训练方法。
该研究第一作者艾希克·曼达尔（Aishik Mandal）隶属于UKP实验室NLPsych研究小组，该团队专注于自然语言处理（NLP）与精神健康的交叉领域，致力于开发支持求助者与助人者的数据驱动解决方案。共同作者包括曾担任UKP实验室访问研究员的印度理工学院德里分校坦穆伊·查克拉博蒂（Tanmoy Chakraborty）教授，以及达姆施塔特工业大学UKP实验室负责人伊琳娜·古列维奇（Iryna Gurevych）教授。
更多信息：艾希克·曼达尔等人，《面向隐私感知的心理健康人工智能模型》，《自然-计算科学》（2025）。DOI: 10.1038/s43588-025-00875-w
【全文结束】
