一个基于人工智能的智能诊断系统,用于青少年心理健康,基于多任务深度学习
Wenyue Liu1,2, Zhihao Zhang2, Linkang Du3
1Department of Physical Education, Yantai Institute of Science and Technology, Yantai, Malaysia.
Frontiers in psychiatry
|March 12, 2026
概括
这项研究介绍了一种基于人工智能的智能诊断系统 (IDS),用于选中国青少年的抑郁和焦虑. IDS有效地使用自然语言处理预测心理健康严重程度,为传统方法提供保护隐私的替代方案.
科学领域:
- 心理健康技术 心理健康技术
- 医疗保健中的人工智能
- 青少年心理学 青少年心理学
背景情况:
- 在中国,青少年的抑郁和焦虑率很高 (20-30%),加剧了学术压力和身体化.
- 传统的查工具 (PHQ-9,GAD-7) 面临着诸如主观偏见,回忆错误和与耻辱相关的不足报告等局限性.
研究的目的:
- 开发和验证基于人工智能的智能诊断系统 (IDS),用于在中国青少年中进行并发性抑郁和焦虑的非侵入性查.
- 为了利用自发文本表达式的多任务深度学习来预测心理健康严重程度.
主要方法:
- 收集了来自约1,275名青少年的文字回复,标记了临床医生评估的PHQ-9和GAD-7分数.
- 采用了基于jieba的细分和基于VAE的数据增强,用于预处理和解决阶级不平衡.
- 在多任务深度学习框架内使用了中国优化的BERT编码器,具有自我注意力和双功能融合.
主要成果:
- 在测试组中实现了高性能:皮尔森相关性为0.706 (PHQ-9) 和0.693 (GAD-7);AUC为0.877 (PHQ-9) 和0.902 (GAD-7).
- 二元分类给出了F1分数,分别为0.762 (PHQ-9) 和0.863 (GAD-7).
- 与单个任务的基线相比,多任务学习框架提高了F1分数6.2%-7.8%,并将MSE降低了14.2%-18.4%.
结论:
- 基于人工智能的IDS为青少年心理健康查提供了一个强大的,文化敏感和可扩展的工具.
- 它为传统的自我报告措施提供了一个主动的,保护隐私的替代方案.
- 未来的工作包括纵向验证,多式联运一体化和道德部署策略.
