Maand: Architecture, Empirical Performance, and Multimodal Decision Governance for AI-Driven Virtual Mental Healthcare

心理健康护理是人类的必需品，然而对于数十亿人来说，它仍然遥不可及。障碍往往是实际且令人望而生畏的：受过训练的医生短缺、心理治疗费用高昂，以及患者与诊所之间的距离。在世界许多地方，需要帮助的人数与能够提供帮助的专业人员数量之间的差距是巨大的。即使存在数字工具来弥补这一差距，它们也往往力有不逮。大多数目前的心理健康应用依赖于简单的文本信息，迫使用户将感受输入到聊天框中。这种方法排除了那些无法轻松说话或书写的人，例如聋哑人或因焦虑而难以打字的人。它也忽略了人类治疗师所依赖的微妙非语言信号，如颤抖的手、耷拉的身姿或转瞬即逝的恐惧表情。为了真正支持患者，一个系统需要看到并听到他们，而不仅仅是阅读他们的文字。

拉合尔工程技术大学的研究人员开发了一种名为 Maand 的新型数字治疗师，以解决这些局限性。该平台旨在成为一个“口袋心理学家”，它理解的内容不仅限于文本。Maand 不仅仅是一个简单的聊天窗口，它创造了一个统一的空间，用户可以在其中进行语音交流、打字、使用手语，甚至是在虚拟现实环境中进行互动。该系统旨在实时倾听声音、读取面部表情并追踪手势，通过结合所有这些信号来理解一个人的感受。随后，它利用这种理解来提供支持性的对话，并引导用户进入平静的虚拟空间。其目标是提供一种能够让每个人都享有的护理水平，包括目前无法获得执照精神科医生帮助的数百万发展中国家的人民。

Maand 背后的团队首先承认，现有的数字解决方案过于狭隘。流行的聊天机器人通常仅通过文本运行，忽略了通过声音和肢体语言进行的丰富交流。它们也缺乏检测用户是否处于即时危险（例如有人表达自残念头）的能力。Maand 的构建正是为了修复这些特定的失败。研究人员创建了一个整合了四种不同交互方式的系统。用户可以输入消息、对着麦克风说话、使用手语，或者仅仅是坐在一个旨在减轻压力的虚拟房间里。系统同时处理所有这些输入。如果用户在打出悲伤的消息时，面部表现出痛苦的迹象且双手紧握，系统会识别这些信号的综合权重，而不是将它们视为单独、无关的事件。

为了实现这一点，研究人员开发了一种复杂的方法，让计算机能够“看见”并“理解”人类情感。他们通过分析视频帧来训练系统识别面部表情，寻找指示喜悦、悲伤或愤怒等情绪的特定肌肉运动。与此同时，系统分析用户输入的文本以衡量其情绪状态。它还追踪手部动作，允许聋哑或听障用户使用手语进行交流。该系统可以识别一百多种不同的手势，并将它们转化为有意义的治疗线索。所有这些信息都被输入到一个中央大脑中，由它决定如何做出反应。这个大脑被设计得具有同理心和支持性，借鉴成熟的心理学技术来引导对话。

安全性是 Maand 设计的核心支柱。由于心理健康对话涉及深度私人且有时危险的话题，研究人员在系统中建立了严格的保障措施。如果计算机检测到暗示用户处于危机中的词汇或短语，它会立即停止标准对话并提供紧急联系信息。这一过程是即时的，确保处于困境中的用户不会在等待响应时感到孤立无援。系统还通过加密每条消息来保护隐私，使其除了用户和系统本身之外，对任何人都是不可读的。即使有人访问了存储的数据，他们看到的也只是乱码。该平台还包含一项功能，如果用户在十五分钟内没有任何活动，系统会自动结束会话，以防止敏感信息的意外暴露。

研究人员对 Maand 进行了严格测试，以观察它是否能应对现实世界的使用。他们模拟了一个场景，即五百人同时使用该系统。平台成功应对了需求，平均响应时间不到两秒。这种速度对于让对话感觉自然且具有支持性至关重要。在对三十五名真实人士（包括学生和专业心理学家）进行的测试中，该系统在易用性和针对不同需求人群的可及性方面获得了高度评价。参与者发现，系统可以成功理解他们的声音、文本和手语，并且虚拟现实环境有助于让他们感到更加平静。

研究结果表明，Maand 是扩大心理健康护理覆盖范围的一种可行工具。它成功地将多种沟通方式结合成一个单一且连贯的体验。通过认识到人们表达自己的方式多种多样，该系统提供了比纯文本聊天机器人更完整的支持形式。研究人员发现，系统可以准确地从面部和文本中检测情绪，并且能够解释广泛的手势。最重要的是，该系统被证明能够为用户维持一个安全、私密且响应迅速的环境。虽然研究人员指出该系统是一种辅助工具，而非人类医生的替代品，但它代表了在向那些被传统护理模式遗忘的人群提供心理健康支持方面迈出的重要一步。

该研究还强调了这项技术被改编用于不同文化和语言的潜力。团队已经在计划扩展系统，以包含更多手势并支持像乌尔都语这样的本地语言，这将使其对需求最迫切的社区更加有用。他们还打算在正式的临床试验中测试该系统，以观察其在治疗抑郁症和焦虑症方面的长期有效性。目前，这项工作证明了构建一个能够看见、聆听并理解完整人格的数字治疗师是可能的，这为无数目前无处求助的人们带来了新的希望。