阿拉巴马大学研究人员使用 AI 标记心理健康问题

快速阅读: 据《政府技术》称，阿拉巴马大学伯明翰分校的研究人员开发了一种人工智能模型，通过分析社会经济人口统计学特征，帮助辅导员识别有焦虑和抑郁风险的大学生，并提供早期干预。该模型不仅辅助辅导员了解高风险学生群体，还强调了人类知识和同理心在心理健康服务中的重要性。

（TNS）——阿拉巴马大学伯明翰分校教育与人类科学学院的研究人员开发了一种工具，帮助辅导员识别有焦虑和抑郁障碍风险的大学生，并提供主动解决方案。这一人工智能模型旨在应对健康差异和教育不平等，在美国大学生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。翟教授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，但存在一个问题：辅导员没有足够的工具或资源在严重的心理健康问题发生前为那些处于风险中的学生提供建议。”他告诉AL.com，“有传统的评估方法，如临床评估和自我报告问卷等，但它们常常面临挑战，比如学生可能有污名感或学生可能有限的获得这些服务的机会。因此，这种方法通常是在学生寻求帮助后进行风险评估。通过人工智能，我们可以利用数据普遍收集的方法来改进情况。这可以帮助我们更加主动而不是被动。”

翟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与健康相关的信息，而是依赖于社会经济人口统计学特征，研究表明这些特征与更严重的焦虑和抑郁有关。模型考虑的因素包括性别、种族和民族、经济压力、校园归属感、残疾状态和年龄。学生不需要填写额外信息；模型只是帮助辅导员了解哪些学生群体可能从额外资源中受益，比如提醒如何利用校内资源。“该模型将帮助我们识别最重要的风险因素，并按从高到低的顺序排列，这样辅导员可以首先关注最关键的问题，”他说。

翟和他的同事发现，生物学性别和种族的交叉影响会加剧压力——例如，来自少数族裔背景的女学生可能会面临文化压力和种族歧视，从而增加她们患焦虑和抑郁的风险。同样，残疾状态可能会加剧经济压力或种族身份的影响，进一步边缘化学生并增加他们患焦虑和抑郁的脆弱性。“人类知识对于这种工具的发展和提供服务至关重要。共情和人性是咨询或任何类型专业健康服务中最重要的一环，”翟说。“这个人工智能工具旨在充当助手，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洞察。因此，辅导员仍然需要运用自己的临床判断力，并结合人工智能提供的数据做出更具伦理性和数据驱动的决策。”

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%的学生经历了中度至严重的心理困扰。2022年，BestColleges对大学生进行了一项心理健康调查，发现46%的受访者表示他们的心理健康状况一般或较差。在这群学生中，仅20%的人通过学校寻求帮助。在接受调查的所有学生中，51%的人同意他们在大学期间的心理健康状况有所恶化。翟的人工智能工具目前专注于大学生和大学，但他表示该模型也可能应用于其他人群，如高中生。“这是我们下一步的工作，”翟说。“学区和高中已经收集了大量的数据，所以我们正在开发人工智能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，以识别哪些学生可能存在风险，有心理健康问题或学习问题。”

(以上内容均由Ai生成)