上海交大团队开发AI心理诊所系统，助力抑郁症初筛

上海交大团队开发AI心理诊所系统，助力抑郁症初筛

抑郁症正逐渐年轻化，据统计，17 岁以下儿童青少年中，约 3,000 万人正受到各种情绪障碍和行为问题的困扰。为应对这一挑战，上海交通大学 X-LANCE 实验室吴梦玥教授团队与德克萨斯大学阿灵顿分校 (UTA)、天桥脑科学研究院 (TCCI) 和 ThetaAI 公司合作，开发了一种基于大模型的智能体心理诊所系统（AMC），用于抑郁症的初步诊断。

基于角色扮演的创新诊断模式

传统的抑郁症自测表（如 PHQ9、HAM-D）虽然使用广泛，但存在重复询问、用户体验差等问题。而智能体心理诊所 AMC 则采用了一种全新的交互方式：通过模拟剧院演出的角色扮演任务，让用户与虚拟演员 NPC 进行对话，以完成问诊过程。

PHQ9 自测表

研究人员设计了三个核心角色：

• 患者 Agent：模拟不同年龄段和背景的患者，通过社交媒体和公开平台招募并验证用户画像，涵盖性别、职业、年龄等信息。研究人员使用 GPT-4 分析对话内容，将相关记忆片段整合进患者 Agent 的 memory 模块。

• 精神科医生 Agent：设定为没有问诊经验的新人医生，目的是测试其在与患者交流过程中的进步。医生 Agent 初始阶段会获得一些基本的专业信息，随着交流次数的增加，其技能和经验将不断积累。

• 指导员 Agent：负责控制医患对话流程，避免对话无限持续。未来在家庭咨询场景中，指导员 Agent 还可以帮助协调多个 Agent 之间的互动。

收集 D4的数据集

技术创新与未来展望

智能体心理诊所采用三层式记忆结构和记忆检索模块，包括对话历史、电子病历和总结技能，以优化记忆检索和处理能力。然而，研究团队也面临一些挑战：

• 幻觉问题：模型在对话中可能会产生与事实不符的回复，尤其是在长对话中更为明显。研究人员尝试通过用户画像的关键病症提示来缓解这一问题，但尚未找到根本解决方案。

• 语言风格问题：模型倾向于使用专业术语，不符合患者初次就诊时的表达习惯。通过修改 Prompt 可以部分缓解这一问题。

• 重复提问：模型的开场白和结束语相对固定，问话方式也较为一致，缺乏多样性。这需要在未来的开发中进一步优化。

实验室背景与支持

该研究由上海交通大学跨媒体语言智能实验室（X-LANCE）主导，实验室在视听文语言信息处理领域具有深厚积累，拥有国家重点研发计划、自然科学基金委优秀青年科学基金等项目支持，以及数百张 H800、A800 和 A10 等 GPU 卡的计算资源，是国际上少数能够进行产业级大尺度数据分析和研究的人工智能实验室之一。