人工智能可成功检测焦虑迹象，准确率超过92%

随着科技发展，人工智能渐渐融入生活的方方面面。在医疗领域，学者与研究者逐步使用人工智能进行疾病诊断与治疗，这方面取得了一定的进展。近日，有研究人员使用人工智能(AI)，检测焦虑的行为迹象，准确率超过90%，还建议人工智能在未来可以应用于解决心理健康和福祉问题。

在新冠疫情爆发后的这两年里，还有出现了一场又一场的气候灾难，越来越多的人感到焦虑。这项研究似乎表明，人工智能可以提供一种非常可靠的测量方法，来识别某人焦虑的迹象。

研究中创建了一个典型焦虑表现行为的活动数据集，供传感器检测，包括闲坐、咬指甲、指关节开裂和敲击手。参与者戴着记录动作的传感器，按照特定的顺序进行一系列活动。研究者使用深度学习算法和计算混合模型分析参与者的行为。

根据美国精神病学协会(APA)的数据，焦虑症是最常见的精神障碍形式。研究人员认为，人工智能可以帮助分析、诊断、治疗和监测焦虑症(AD)等心理障碍。

研究提出了一种人类活动识别（HAR）的方法，来识别与焦虑症有关的一些行为。为了建立这样的模型，研究者使用智能手机的运动传感器和惯性测量单元（IMU）创建了一个具有独特功能的焦虑行为的新数据集。

另外，研究还创建了几个基于深度学习的模型，并与随机森林和梯度提升算法（random forest and gradient boost algorithms）进行了比较。研究证实，其中一个由卷积神经网络（CNN）和长短时记忆（LSTM）组成的深度模型，比其他模型表现更好，在识别焦虑相关行为达到超过92%的准确率。

研究人员认为，人工智能和传感器技术领域的快速发展，使处理与精神、情绪和行为障碍相关的数据成为可能。未来可以进一步研究和探索，以了解难以言喻的行为，并改善整体心理健康。

题为ADAM-sense: Anxiety-displaying activities recognition by motion sensors的相关研究论文发表在Pervasive and Mobile Computing杂志上。

前瞻经济学人APP资讯组

论文原文：

https://www.sciencedirect.com/science/article/abs/pii/S1574119221001140?via%3Dihub