大学生作为一个特殊社会群体，面临着学业、就业、人际关系等多重压力，导致心理健康问题日益突出。依据最新发布的《中国国民心理健康报告》，中国大学生抑郁检出率约为22%，抑郁症不仅影响学生的学业表现和日常生活，还可能引发严重的身心伤害。因此，在当前内卷现象愈发普遍的情况下，如何针对大学生群体实现抑郁症的早期诊断与干预，已成为一个亟待解决的重要问题，当前仅依靠传统的治疗方式难以应对资源不足、病症隐匿性强、个体差异大等挑战，而医工交叉为克服上述挑战提供了新的技术手段，如人工智能、大数据分析、虚拟现实等。在此背景下，2024年12月7日，由中国计算机学会（CCF）主办、CCF YOCSEF南京组织的“医工交叉如何助力大学生抑郁症的早期诊断与干预”技术论坛在南京举办，来自高校、医院及企业的50余位专家学者相聚一堂，共同探讨新兴技术与传统医学手段在大学生抑郁症早期诊断与干预场景下的融合交叉路径。

聚焦传统医学挑战，积极引入新兴技术

论坛的主要观点包括：大学生抑郁症症状往往不典型，容易与其他心理问题混淆，而传统医疗手段的诊断效率低且受主观影响较大。同时，学生对疾病的认知不足、家庭支持缺乏、病耻感加剧了就医困难。而人工智能、大数据、可穿戴设备等技术在抑郁症诊断和干预中表现出极大的潜力，针对不同抑郁症状进行分层分级并通过情绪监控、生理数据分析、虚拟交互等方式，可以辅助早期诊断与个性化干预，但技术落地仍面临隐私保护、数据收集困难、标注数据缺失等障碍。此外，人工智能情感陪伴技术、音乐疗愈和数字化情绪调节等非医疗手段，可能有效缓解学生的情绪压力。患者信任建设亦是需要考虑的要点，确保技术以温和且人性化的方式融入医疗体系。

引导发言展现多维视角下的抑郁症诊疗现状与未来方向

在论坛的引导发言环节，台州学院电子与信息工程(大数据)学院张石清院长认为当前主流的抑郁症诊断方式，主要依靠精神科医生的临床观察、量表和调查问卷，准确度严重依赖于患者的配合程度以及医师的专业水平和经验，并且缺乏相对客观有效的评价指标。他详细介绍了团队在面向视频、音频、文本等多模态数据的人工智能辅助抑郁症诊断的研究，表示人工智能技术在抑郁症的个性化治疗、远程治疗、长期跟踪等方面可以弥补传统医疗手段的短板。

东南大学附属中大医院心身医学科袁勇贵主任全面剖析了抑郁症诊治困境，针对缺乏抑郁症诊断和疗效预测的客观生物标志物这一现状，介绍了诊断标志物与疗效预测标志物发现的相关研究，并认为需要充分利用人工智能等先进技术手段，深入探索抑郁症及其疗效的生物学机制，寻找客观生物标志物任重道远。

清华大学信息国家研究中心赵思成副研究员从情智兼备数字人与机器人出发，介绍其基础技术包括多模态情智融合解译、个性化动态表征与情智计算、可交互情绪化内容生成调控，情智兼备的技术突破可有效助力抑郁症等心理健康疾病的精准诊断与高质量干预。

思辨探讨面向大学生抑郁症诊断与干预的医工交叉路径

在论坛的思辨讨论环节，与会嘉宾围绕三个重要议题展开，具体如下：

1）传统医学手段对于大学生抑郁症早期诊断与干预的挑战是什么?

南京脑科医院关陆阳博士认为大学生抑郁症症状不典型，易与其他心理问题混淆，男女表现有所差异，现有诊断工具不完全适配大学生群体。精神科医生数量不足且资源分布不均，偏远地区治疗可及性差。病耻感普遍存在，患者担忧社会形象受损，常隐瞒症状或延迟治疗。

南京工程学院张嘉超副教授指出，大学生处于心理与生理发展的关键过渡期，其抑郁症特点具有明确的特点。大学生对抑郁症的意识不足，导致诊断与治疗多为被动，常错过早期干预机会。她建议推动学生主动识别情绪问题、自我诊断，并呼吁明确“早期诊断”的定义，包括症状初期干预及系统筛查诊断的方法。

兰州大学刘振宇副教授指出抑郁症早期诊断的挑战，强调人工智能和可穿戴设备的潜力。由于早期症状不明显，智能设备可实现健康监测，提前识别风险；人工智能可缓解精神科医生不足的问题。此外，需关注“阈下”症状人群，并强调抑郁症涉及心理与生理变化，需综合诊疗。

东南大学徐翔宇副教授认为传统医疗手段存在低识别率和低就诊率问题。强调互联网技术与可穿戴设备可通过生理监测辅助早期发现，但仍受限于生理指标不显著。同时，呼吁加强社会对于抑郁症的认知普及。

东南大学魏敏娜老师从辅导员实践角度分享抑郁症筛查与干预中的问题。新生心理测试因学生隐私顾虑或懒惰，影响数据准确性；辅导员需通过访谈提高精度。学生压力源常由现实与心理问题交织，难以分辨。干预中，家长反对、面子顾虑及药物副作用担忧常导致学生回避治疗，影响效果。

2）针对传统医学手段所面临的各种挑战，哪些新兴技术有助于大学生抑郁症早期诊断与干预?技术落地难度有多大?

长春大学匡哲君副教授认为信息技术可提升筛查效率，发现患者特征，但需结合医生判断以确保有效性。技术助力医生提高效率，同时帮助患者，尤其在患者不愿主动表达病情时缓解抵触情绪。技术需通过温和关怀的方式与患者互动，避免冷冰冰的筛查方式，特别是在心理健康诊疗中。情感化技术如数字人和虚拟现实，可增强患者信任与关怀感，对治疗和支持更为有效。

南京信息工程大学孙倩教授指出通过大数据分析能识别和干预潜在的抑郁症风险，利用社交媒体数据可以判断情绪问题的诱因。大学生在不同生活阶段情绪波动较大，可通过家庭关系和心理疏导干预。建议通过人工智能调整视频背景色和音乐，改善情绪，预防抑郁症，对不愿寻求帮助的学生具有心理调节作用。

南京邮电大学蔡惠副教授认为传统医疗模式难以实现个性化治疗，而大数据和多模态学习可通过收集多阶段数据实现早诊断与风险预警。为保护隐私，可采用联邦学习等技术。然而，技术应用受患者配合度低和社会认知不足限制，需提升公众对抑郁症的认知，减少病耻感，推动技术落地。

CCF YOCSEF秘书长谭晓生先生从个人经验出发，指出抑郁症高发与生活压力密切相关。提到计算机辅助诊疗的挑战包括抑郁症与器质性病变症状的区分难度。对情感干预技术（如机器人疏导）效果持谨慎态度，并强调隐私保护的重要性，警惕技术应用可能带来的隐私泄露风险。

西安交通大学史金钢副教授指出传统医疗在大学生中面临学生不愿就医和诊断主观性强等问题。提出利用人工智能收集生理数据（如面部表情、心率等）并结合多模态分析，实现早期客观诊断，弥补量表与对话的局限性。但技术落地仍面临隐私保护、模型训练和集成等挑战。

东南大学徐翔宇副教授提到大学生长期依赖互联网，提供了情绪识别的特征数据，但数据收集面临隐私和技术难题。尝试利用手机传感器数据判断焦虑情绪，初步有效但受限于数据局限。短视频平台算法积累用户数据可识别情绪并干预，但隐私问题是主要障碍。

兰州大学刘振宇副教授回应了抑郁症诊断技术的挑战，举例语音和表情识别问题。语音迟缓、低沉等特征虽常见于抑郁患者，但非抑郁者也可能出现类似表现；面部表情识别受“微笑型抑郁症”影响难以精准区分。此外，网络大数据识别抑郁症受标注数据不足制约，数据质量和准确标注对模型训练至关重要，仅靠数据收集远远不够。

CCF YOCSEF上海副主席马骏强调情感陪伴对干预抑郁症的作用。独生子女因父母忙碌常感孤独，易引发心理问题。人工智能情感陪伴虽以互动为主，但能有效缓解孤独感，降低心理问题发生率，是干预抑郁症的有益补充，尤其适合孤独的孩子。

南京航空航天大学臧天梓老师认为大学生的生活数据（如课堂表现、成绩、食堂消费、校园卡和Wi-Fi记录等）提供了丰富的信息源，可以用于识别潜在的抑郁症风险。在早期诊断中，不需要准确判断是否为抑郁症，而是通过分析行为异常，筛选出高风险群体，从而进行干预。通过多模态数据的综合分析，能够更有效地识别异常行为，提供早期预警，帮助及时干预，避免问题加重。

3）针对大学生抑郁症早期诊断与干预，新兴技术与传统医学手段如何融合交叉?

兰州大学刘振宇副教授指出现有筛查工具，特别在低文化水平群体中效果差。结合信息技术与传统手段，利用反欺诈机制可提高筛查的准确性与信任度。人工智能辅助医生提升诊断效率，减少重复劳动，并通过学习经验帮助年轻医生精准判断，记录病例与对话为后续分析提供数据支持。除药物外，非药物治疗（如物理疗法、芳香疗法、认知行为疗法）同样重要，人工智能能在个性化治疗中提供精准方案与效果评估。最后抑郁症科普教育关键，需帮助公众理解“抑郁情绪”和“抑郁症”区别，减少误解与偏见，关注前沿研究（如微生物群体对情绪的影响）。

东南大学丁玎副教授认为虚拟现实和人机交互技术在抑郁症早期筛查中可以应用，通过非侵入式采集学生的声音、表情和行为数据帮助识别潜在心理问题。但由于缺乏生物标志物和高昂的医疗费用，数据采集进展缓慢，尤其在抑郁症患者群体中。主要挑战在于学生是否愿意主动接受心理检查并意识到问题，因此提高自我认仍是关键难题。

西安理工大学孙强副教授介绍了抑郁症的多重因素及干预方法，强调心理、情感、经济和人际压力对大学生心理健康的影响。提出从多个角度干预，如分解压力源，减轻情感与心理负担，帮助调节状态。同时，强调人格特征在干预中的重要性，认为理解个体差异有助于精准干预。抑郁症干预应结合心理、生理与社会因素，从多维度入手，才能有效防治。

南京工程学院张嘉超副教授从中医“望闻问切”角度结合现代技术探讨抑郁症的早期诊断与干预。“望”通过计算机视觉分析面部表情和行为数据；“闻”借助声音识别与情感分析；“问”通过量表与AI大数据进一步筛查；“切”依赖医生专业判断。提出利用VR、游戏和数字人技术增强筛查准确性，并通过人工智能与音乐、艺术等手段干预抑郁症，体现“治未病”理念，进行早期有效干预。

东南大学徐梦瑶同学分享了与抑郁症患者接触的经历，指出患者常怀疑自己是否真的患病，缺乏对医生的信任和明确的诊断指标。人工智能可通过分析声音等数据提供预警，有助于普通人更易接受诊断，但需提高结果的可解释性。同时，强调个体差异在抑郁症中的重要性，诊断应关注差异性，人工智能可以推动心理健康诊断的进一步发展。

东南大学张梦璇副教授强调心理学在抑郁症干预中的重要性，尤其在理解抑郁症机制和预防方面。人工智能可在预防、诊断、干预和治疗上帮助大学生群体，但也指出智能设备可能引发健康焦虑，机器人可能对心理脆弱个体产生负面影响，如引导自杀念头。需平衡技术干预与心理安全，避免过度依赖技术，减少心理健康风险。

南京脑科医院关陆阳博士从临床视角回应人工智能在抑郁症诊断与治疗中的应用，提出精神科医生在中国占比仅1%，医疗资源紧张。临床量表提供定量依据，但医生通过交流可快速判断患者情况，量表更多用于评估和增强可接受性。人工智能应作为辅助工具，帮助医生提高效率，但最终判断仍需医生决策，且人工智能的可解释性至关重要。技术落地面临数据获取和专家知识整合的困难，缺乏共享数据和经验，制约技术应用推广。

长春大学匡哲君副教授强调多维度数据（如图像、声音、性别等）在抑郁症诊断中的重要性，计算机技术能通过数据快速找到特征，但最终诊断仍需依赖医生经验。数据共享是技术落地的主要障碍，医生经验和数据难以公开。对于大学生群体，抑郁症可能由特定事件触发，探索触发机制有助于早期干预。整合数据与医生诊断可推动更精准、高效的抑郁症诊断与干预。

深圳大学陈小军研究员提出首先在当前的个人智能助理中不仅限于安排工作或回答问题，还应考虑情感和心理健康的支持；其次，如机器人和多模态模型，能促进人际交互，辅助抑郁症的治疗，但需要确保技术成熟，以免产生负面效果；最后，建议设立相关机构对技术进行评估和监管，确保使用过程中的安全性和有效性，避免潜在隐患。

本次论坛邀请到台州学院电子与信息工程(大数据)学院院长张石清教授、东南大学附属中大医院心身医学科主任袁勇贵教授、清华大学信息国家研究中心赵思成副研究员担任引导发言嘉宾，南京脑科医院主治医师关陆阳博士、长春大学计算机科学技术学院副院长匡哲君副教授、兰州大学刘振宇副教授担任特邀思辨嘉宾。论坛由CCF YOCSEF南京AC主席吴天星、CCF YOCSEF南京委员宗源担任执行主席，CCF YOCSEF南京AC委员刘野、胡玉姣担任在线主席，东南大学儿童发展与学习科学教育部重点实验室、东南大学计算机科学与工程学院教工精英党支部协办。附活动掠影与视频：

图1 与会嘉宾合影

图2 论坛现场

图3 执行主席吴天星、宗源作论坛背景介绍

图4 张石清、袁勇贵、赵思成作引导发言

图5 关陆阳、匡哲君、刘振宇作思辨发言

图6精彩思辨瞬间（1）

图7 精彩思辨瞬间（2）

图8 精彩思辨瞬间（3）