2025年8月23日，CCF YOCSEF成都分论坛在成都玻尔兹曼科技有限公司举办技术论坛，聚焦“非侵入多模态技术如何重塑情感障碍类疾病在初筛阶段的客观评测范式”。本次论坛是CCF YOCSEF围绕情感障碍诊疗技术展开的系列论坛中的第二站。论坛由CCF YOCSEF成都现任学术委员、成都玻尔兹曼科技有限公司唐诗和西华大学陈晓亮担任执行主席，由CCF YOCSEF成都现任学术委员四川农业大学周蓓和西南石油大学张晓均担任线上主席。

在当前抑郁、双相等情感障碍疾病负担不断加重、国家卫健委推动“儿科和精神卫生服务年”（2025–2027）的背景下，初筛环节对低负担、可连续追踪的客观评估手段提出了迫切需求。传统量表与临床访谈存在主观性强、时点局限与追踪难等问题，而非侵入式多模态技术——涵盖语音、微表情、眼动、步态及可穿戴设备等多维度数据——正逐步推动心理健康评估从“经验驱动”迈向“数据与证据驱动”的新范式，为精神健康领域的客观化筛查提供了全新思路与方法支撑。

此次活动邀请了电子科技大学生命科学与技术学院罗程、同济大学计算机科学与技术学院张奇、成都玻尔兹曼科技有限公司秦睿、西南交通大学心理研究与咨询中心雷鸣、成都市第四人民医院贺辉、西华大学心理健康教育中心张涛、福建农林大学计算机与信息学院陈卓、电子科技大学心理中心李谷静、兰州大学信息科学与工程学院付钰等多位高校、科研机构、医院、企业的领域专家共同参与讨论。与会专家围绕初筛评估客观化的关键技术挑战、模型可解释性与稳定性提升、工程化落地与规模化场景应用等议题开展交流研讨，推动学术—临床—产业协同，促进形成可落地、可评估、可扩展的情感障碍初筛客观评测路径。

引导发言环节

特邀嘉宾罗程在《抑郁症的无创脑信息检测与调控》报告中提出，通过MRI、EEG、fNIRS与眼动追踪等多模态无创检测刻画脑结构与功能组织模式，结合机器学习进行亚型识别与智能诊断，为早期筛查与分层干预提供支撑。情感障碍高度异质且个体差异显著，技术需实现空间与时间精准，EEG-fMRI同步技术建立时空映射，展示网络靶向tDCS与rTMS的可解释路径。CEN与DMN为靶的试验表明刺激可重塑脑状态转换，CAP变化与电场强度相关，基线指标具预测价值，形成机制到疗效证据链。规模化工程化方向强调temporal-BCGCN与ECConv在跨模态与跨中心数据上的建模潜力，建议以多维信息整合与多尺度脑网络动力学为主线，配套标准化数据与真实世界验证，加强医工产研协同与隐私合规，支撑多模态情感障碍初筛方案的可落地与可扩展应用。

特邀嘉宾张奇在《脑多模态编解码及其抑郁症筛查应用》报告中指出，基于fMRI、EEG等非侵入式脑信号的多模态编解码技术，可解决抑郁症筛查主观性强、动态追踪能力不足等挑战。通过高效轻量化解码模型、跨被试迁移学习及神经合成数据，实现对大脑视觉响应机制的高精度建模，捕捉抑郁症患者细微异常。团队MindSimulator模型利用生成式编码和语义级评估指标，提升合成脑数据质量与神经解释性，多中心实验验证了其在抑郁症识别与异常脑区定位的有效性。推动技术临床应用需克服个体差异大、数据稀缺与计算复杂度等挑战，加强脑科学、人工智能与精神医学跨学科协作，推进技术标准化、可解释化与工程化，实现基于神经响应的客观、连续、可规模化的抑郁风险早期筛查。

特邀嘉宾秦睿在《从主观量表到客观"看见"——多模态重塑心理健康初筛新范式》报告中指出，抑郁症等情感障碍初筛依赖传统主观量表，存在应答偏差、社会期许效应和动态追踪能力弱等局限，难以满足规模化、低负担、连续客观评估需求。基于"行为反应心理学"理论，融合视觉、听觉及数字行为等多模态数据，结合人工智能大模型技术，实现对心理状态的自然、隐匿和全面客观捕捉。多模态技术通过摄像头、麦克风和智能设备等非侵入式手段，实时采集微表情、语音特征、日常行为模式等客观指标，克服传统量表"单次静态评估"不足，实现全天候、自然情境下的连续监测，提升筛查敏感性和特异性。推动多模态心理筛查从技术验证走向规模化落地，需破解数据隐私、算法可解释性、跨场景泛化及商业化路径等挑战，通过临床、技术、产业三端协同，促进客观、可靠、易推广的情感障碍初筛新范式的建立与普及。

思辨环节

本次论坛围绕情感障碍类疾病初筛的三个核心思辨议题展开深入探讨。首先，聚焦于采用非侵入多模态技术实现主观评测客观化时所面临的技术挑战；其次，探讨如何通过非侵入多模态技术提升客观评测的可解释性和可靠性；最后，针对商业应用，探讨如何实现多模态情感障碍类疾病初筛方案的规模化和工程化落地。

Part.1

采用非侵入多模态 技术实现主观评测客观化的最大技术挑战是什么？

特邀嘉宾雷鸣从精神卫生与心理健康临床实践出发，指出多模态技术客观化评估面临两大系统性挑战：伦理与数据层面，敏感心理数据采集、存储与合规使用缺乏成熟标准与治理框架；情绪解析层面，外部行为信号能否稳定映射内在体验尚未解决。数据问题关乎"合法性"，情绪效度问题关乎"科学性"，二者交织。真正客观化需超越信号层面，实现心理状态准确推断，要求技术具备更高数据质量、算法透明度，并与心理学理论深度结合，以推动客观评测范式落地。

特邀嘉宾贺辉对非侵入多模态技术的客观化路径提出了质疑。并提出四大核心挑战：对象界定不清，缺乏核心心理行为指标共识，有限信号难以全面捕捉情感障碍症状；心理状态高度动态且情境依赖，现有技术难以稳定捕捉波动；客观化指标临床有效性与可靠性存疑，严格临床验证及敏感度特异性达标是技术实用前提；人机关系思辨，在依赖直觉的心理评估中，AI替代或辅助人类、技术判断与临床经验平衡成为伦理实践命题。其分析从技术基础、临床效度及人机协作层面揭示了客观化评测的核心挑战。

与会人员从技术可行性、数据治理、临床适配与社会接受度等多维度展开了深入讨论。现场专家普遍认为，该任务并非单一技术问题，而是涉及技术、数据、临床及伦理等多方面的系统性挑战。但当前面临的核心挑战主要集中于数据整合与治理、算法可解释性以及临床转化适配三个方面。首要技术挑战在于多模态数据的合规获取与高质量融合。跨机构、跨地域数据整合面临显著壁垒，隐私保护与伦理合规框架尚未健全，制约了大规模训练数据库的构建。同时，语音、微表情、眼动等异构模态数据之间存在差异大、标注一致性低等问题，如何实现有效对齐与信息互补，是技术落地的关键瓶颈。其次，模型的可解释性与可信度是临床接纳的重要前提。现有算法多基于黑箱建模，其推断过程难以被医生理解和验证。构建低维度、高可解释性的评估指标，实现从“特征输出”到“心理推断”的透明推理链，是技术融入真实诊疗流程的核心难点。第三，技术需应对临床实践中的复杂性与人文关切。模型需在不同人群、文化背景和应用场景中保持稳定性能，同时还需妥善处理人机责任边界、社会接受度及高风险评估中的容错机制。专家呼吁，应通过多源证据链融合与逻辑可推演的系统设计，推动客观评测范式既科学严谨，又人文可信。

Part.2

如何通过非侵入多模态技术提升客观评测的可解释性和可靠性？

特邀嘉宾张涛从心理健康教育实践出发，对非侵入多模态技术的可解释性与可靠性提出了关键见解。他指出，心理评估的核心挑战在于识别个体隐藏的内在状态，现有量表等方式存在局限，虽新技术为此提供可能，但其应用仍面临根本性质疑。他强调，可解释性与可靠性是技术落地的生命线。若技术仅输出结果而不阐释依据——成为“黑箱”，将难以获得使用者的信任。此外，许多技术缺乏坚实的心理学或神经科学理论基础，进一步限制了其解释力。张涛指出，提升可解释性与可靠性不能仅靠算法优化，更需推动技术与心理学理论深度融合，构建既能“读懂”行为信号、又能“讲清”内在逻辑的新范式。这一观点为后续思辨提供了明确方向。

特邀嘉宾陈卓从计算机与临床医学结合视角，谈及可解释性在技术落地中的必要性，指出心理健康等高风险领域"黑箱"模型难以建立临床信任与责任机制。他强调可解释性面临的核心挑战是医生与技术开发者之间的"认知鸿沟"：医生需要符合医学逻辑的透明推断，技术者提供基于概率统计或特征重要性的数据驱动解释。陈卓提出，提升可解释性与可靠性需构建跨学科共识框架，明确医疗场景需求，将概率性解释转化为临床可理解、可验证的推理过程，引导思考如何跨越学科界限，共建人机互信、医技融合的客观评测新范式。

与会人员从技术路径、临床需求及跨学科协作等多个维度展开了深入讨论，形成了系统共识，并提出若干具体方法与实施挑战。当前面临的主要挑战包括：在高风险临床决策等场景中，“黑箱”模型难以建立信任；多模态数据本身存在异质性和标注一致性低的问题，影响可靠性；此外，跨学科协作机制尚未成熟，制约了可解释与可靠系统的临床转化和落地应用。提升可解释性的核心方法在于推动跨学科协同建模与创新算法应用。与会嘉宾建议，应引入因果发现、语义解码和多模态证据链融合等技术，将数据驱动的概率输出转化为符合医学逻辑的透明推断过程，以弥合技术人员与临床医生之间的认知鸿沟——前者关注特征重要性与统计可信度，后者要求推断可验证、因果可解释。同时，需避免“为解释而解释”，应依据临床实际需求，明确不同应用场景中对可解释性的必要程度。在可靠性增强方面，与会专家强调应聚焦多模态信息间有效因果与隐藏因子的挖掘，而非盲目增加模态数量或数据规模，以降低无效噪声干扰。构建人机协同的混合评估框架也是一条可行路径，即融合算法在感知与计算层面的稳定性，以及专业人员在高风险或复杂情境下的最终判断与解释权，实现技术与人文的有效平衡。

Part.3

面向商业应用，如何实现多模态情感障碍类疾病初筛方案的规模化工程化落地？  

特邀嘉宾李谷静从商业化与社会接纳角度指出，AI情感障碍初筛技术落地需以真实市场需求为前提，但规模化面临心理污名化导致公众接受度低、可能引发歧视担忧等挑战。技术推广不仅是工程问题，更关乎社会认知与心理健康教育。她强调初筛落地不能止于检测，必须构建完整的干预与服务生态，否则可能加剧焦虑或伦理风险。真正的"工程化"是技术方案、社会信任机制与服务体系的融合，需以技术稳定、认知提升和生态健全为基础。商业化落地需跨行业协作，联合政策、医疗、社保与教育等多方力量，共建技术可用、社会可信、商业可行的发展生态。

特邀嘉宾付钰从技术与产业融合角度剖析多模态情感障碍初筛方案规模化落地的挑战与路径。他指出，实验室到商业应用需克服数据质量、算法可解释性、隐私安全、成本控制及医疗认可等壁垒，构建高质量标准化合规多模态数据集是基础，需医疗机构、企业及监管部门协同制定数据治理标准。技术层面需优化算法融合与模型架构，平衡性能与复杂度，推进轻量化和低资源依赖。商业化落地需探索创新模式与应用场景，如开发适用于社区、学校等环境的第三方工具，扩大服务受众，通过可解释技术输出和临床验证赢得专业信任。付钰强调，落地是融合技术、产业和生态的系统工程，需打破行业壁垒，推动技术可用性与商业可行性协同发展，为初筛技术从"可用"到"好用"提供路径。

与会专家从市场、资金、合规与技术等多角度出发，提出了具体实施路径与核心挑战。当前面临的主要挑战包括：尽管校园、社区等场景存在明确需求，但用户方的资金投入意愿与规模化部署能力仍显不足；商业模式虽初步验证但仍未成熟，资本流入规模有限；同时，隐私保护与数据合规框架尚未完善，数据采集、使用与训练环节仍存在合规风险；此外，如何平衡技术性能与产品易用性、跨场景泛化能力，也是实现商业化落地亟需解决的核心问题。多模态情感障碍初筛技术要实现规模化工程化落地，必须构建“技术-资本-合规-用户”四位一体的协同生态。论坛与会专家一致认为，应优先在需求明确、容错率相对较高的普适性健康场景（如校园、职场心理安全监测）中验证商业模式，形成可复制的标准化解决方案，并逐步向高严谨性临床场景拓展。落地过程中需以合规性为基石，加快制定涵盖数据采集、隐私保护和多模态融合分析的全流程标准规范；同时以用户体验为核心，推动设备便捷化、反馈直观化和服务闭环化，切实提升技术可信度和公众接受度。最终通过跨学科、跨行业的协同创新机制，打通从技术研发到商业应用的关键路径，为我国精神卫生服务的早期干预提供可行、可靠且可持续的规模化筛查方案。

论坛尾声，YOCSEF成都25-26主席成都大学刘昶对本次论坛进行了总结。她对本次论坛中各位嘉宾围绕“非侵入多模态技术如何重塑情感障碍类疾病初筛阶段的客观评测范式”展开的深入思辨和精彩分享表示高度赞赏，并指出，论坛梳理了多模态客观评测从技术研发到规模化落地面临的多维挑战，涵盖数据治理、算法可解释性、临床适配、伦理合规及商业化模式等议题，为情感障碍智能筛查领域提供技术路径与协作框架。她强调推动客观评测新范式需要多方协同，未来应推动"产学研用"深度融合，构建兼顾技术创新与人文关怀、临床可靠与商业可行的生态，提升精神卫生服务的可及性与科学性。

通过深入探讨非侵入多模态技术在客观评测中的潜力与挑战，论坛不仅推动了学术界、医疗界与产业界之间的深度对话，更为构建科学、可信、可推广的情感障碍智能筛查新范式提供了清晰的路径与共识。未来，以数据驱动、多模态融合、人机协同为核心的技术框架，有望显著提升精神卫生服务的客观性、可及性与精准性，为我国心理健康事业的高质量发展注入新动能。

供稿：陈晓亮

审核：刘昶

终审：CCF YOCSEF成都主席会议成员