来自阿拉巴马大学伯明翰分校（University of Alabama at Birmingham，简称UAB）教育与人类科学学院的研究人员开发了一种工具，以帮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。
该AI模型旨在应对健康不平等和教育不公平的问题，尤其是在美国大学生中报告的心理健康问题日益增多的情况下。
该模型旨在识别一系列心理健康问题，提高学生的生活质量和教育质量。UAB社区咨询诊所主任翟宇森（Yusen Zhai）利用人工智能发现了学校收集的信息中的模式，例如年龄、生物性别、在校年限、种族和民族、专业等，这些信息可能是更高心理健康风险的指标。在最近发表的文章中，翟宇森解释了使用预测模型可以帮助预防和干预大学生的焦虑和抑郁障碍的潜在益处。
“辅导员可以帮助改善心理健康，但有一个问题：辅导员缺乏足够的工具或资源，在严重心理健康问题发生之前向有风险的学生提供建议，”他告诉AL.com。“传统的评估方法如临床评估和自我报告问卷等通常面临挑战，例如学生可能存在偏见或学生可能无法获得这些服务。因此，这些方法往往是在学生寻求帮助之后才评估风险。通过AI，我们可以改进这种情况，基于普遍收集的数据开发AI模型，这可以帮助我们更加主动而不是被动。”
翟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，而是依赖于研究显示与更严重的焦虑和抑郁相关的社会经济人口统计学因素。这些因素包括性别、种族和民族、经济压力、校园归属感、残疾状态和年龄等。学生无需填写额外信息，该模型只是帮助辅导员了解哪些群体的学生可能受益于更多资源，例如提醒如何利用校园资源。
“该模型将帮助我们识别最重要的风险因素，并从高到低进行排序，使辅导员可以首先关注最关键的问题，”他说。
翟宇森和他的同事发现，生物性别和种族的交叉可能加剧压力——例如，少数族裔背景的女学生可能会面对文化压力和种族歧视，增加她们患焦虑和抑郁症的风险。同样，残疾状态可能会加剧经济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。
“人类的知识对于开发这种工具和服务至关重要。共情和人性是咨询或任何专业健康服务中最重要的一点，”翟宇森说。“这个AI工具旨在作为助手，而不是替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将AI提供的数据整合起来，做出更合乎伦理和数据支持的决策。”
2023年春季，美国大学健康协会（American College Health Association）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对大学生进行的一项心理健康调查显示，46%的受访者表示他们的心理健康状况一般或较差。在这些学生中，只有20%的人通过学校寻求帮助。在所有受访学生中，51%的人同意他们在大学期间的心理健康状况恶化。
翟宇森的AI工具目前基于大学生和大学，但他表示该模型也可以应用于其他人群，例如高中生。
“这是我们的下一步，”翟宇森说。“学校和高中已经收集了大量数据，因此我们正在开发AI模型来分析这些数据，为学校心理学家和教师提供更多数据驱动的见解，以确定哪些学生可能有心理健康问题或学习问题。”
(全文结束)
