可以“听懂”健康状况的情绪智能,如何完成患者的护理工作?

简介:

“情感计算”领域已经存在好多年了。研究表明,如果我们要想与机器人进行互动或者是舒适地生活在一起,这些机器应该去理解人类的情绪并适当地对这些情绪做出反应。而这片领域里还有很大的进步空间,可能性是巨大的。

基于 AI 的虚拟助手正在快速发展,越来越多的人也希望“机器”能够在情感上更进一步 —— 在言语,音调或手势的细微提示下,来评估一个人的心情和感觉。亚马逊的 Alexa 在越来越多的家庭中得到应用,它和类似的人工智能技术很快就会对医疗产生影响。

像“Her”一样懂你?

可以“听懂”健康状况的情绪智能,如何完成患者的护理工作?

据雷锋网了解,在电影《 Her 》中,人工智能操作系统萨曼莎不仅可以帮助主人公快速处理各种邮件、文件等工作,还能像朋友一样理解你、体谅你,甚至还能和人类谈恋爱。现实生活中,这样的个人助手也正在成为现实,如苹果的Siri、微软的 Cortana 以及谷歌的 Google Now 等语音助手,以及更多服务型机器人的出现。

随着技术的不断发展,机器人正进一步地读懂人类的情绪变化,与我们进行更流畅的交互。

雷锋网(公众号:雷锋网)了解到,美国一家公司 Cogito 研发了一款客服软件,这个软件有个有趣的功能。这款软件学习了大量人类语音的数据,现在,只要分析音频数据,它就能知道说话的人心情怎么样。

心理学家认为,当人们心理变的激动或者愤怒,情绪在转变时,相应的语调和语速都会发生变化。

这比判断用词要准确,成语有说:心口不一。但是情绪的波动则没那么容易控制,一般人也容易忽略。但对于 AI 来说,这些都是波形图上的变化。

可以“听懂”健康状况的情绪智能,如何完成患者的护理工作?

而在近日,IBM也在沃森服务器中增加了一个新功能:Tone Analyzer for Customer Engagement,客户互动音调分析。这个功能可以通过检测人的声音,让人工智能可以检测出相应的情绪:沮丧、满足、兴奋、礼貌、悲伤、同情……等等。

用虚拟助手分析声音以确定健康状况

影响身心健康和医疗保健的方法非常有趣。通过对声音的解读,人工智能平台或许可以检测到抑郁症,甚至可能是潜在的慢性疾病,如心脏病。

例如,一家名为 Beyond Verbal 的创业公司正在开发可与 Alexa 等进行合作的分析工具,以此了解行为和声音模式。

该公司首席执行官 Yuval Mor 在6月份表示:“在不久的将来,我们的目标是为我们的功能集上添加声乐生物标记分析,使虚拟助手能够分析你的声音,以确定具体的健康状况。”

总部位于芝加哥的咨询公司 West Monroe Partners 的生命科学实践主管 Anthony Chambers 表示,近期,随着技术不断完善,医院希望能够感受到 AI 和 EI 带来的好处,同时他们也需要好好考虑在何处以及如何部署技术。

雷锋网了解到,在医疗保健领域,人工智能应用的案例种类繁多。支持语音的虚拟助手可帮助临床医生访问笔记或让外科医生看到安全检查表。它们可以帮助工作人员处理编码和转录作业。一个情感智能的 AI,无论是陪伴某人(例如谈话治疗)还是帮助我们执行某些任务(例如刑事审讯),它都有很多潜在的优势。

“医院已经意识到他们坐拥大量数据,”Chambers 表示,“过去几年,他们开始采取 Narrative Science,自然语言生成和其他机器学习技术来获得竞争优势。我们看到我们的客户在病人护理过程中进行识别和预测等方面取得了很大进展。”

“很多医院现在正在使用 AI 和机器学习来预测问题在哪里:在哪里可以获得更高的吞吐量,护理管理过程如何更高效。“他说。但在未来的几年里,可能是病人自己在 AI 平台上花费大量的时间 -——这就是情感智能开始变得越来越重要的地方。

Chambers 说:“真正令人着迷的是,我们还没有看到它,但是我们看到关于它的讨论 ——是关于护理质量的潜在价值。“这仍然是一个未开发的‘处女地’,与人工智能相结合的情感智能的未来可能会出现。”

情绪智能如何支持护理的过程?

医院和制药公司正在探索这些平台如何帮助临床试验管理。 Chambers 说,自然语言处理工具可以帮助收集数据并预测结果,“同时向医师和制药公司提供几乎实时的反馈。”考虑到临床试验对病人的压力,这一点尤其有用。提供一种较少侵入性的方式将结果传达给供应商和制药公司可能是一个福音。“如果我们可以使用互动机器人,那么患者随后就可以通过智能手机或某些东西进行交谈,这可能是一个改变游戏规则的因素,因为临床试验对人群的压力非常大,而且开展试验的费用也会增加。“ 

Chambers 表示,他也看到越来越多的供应商开始把目光放在病人的“入院和出院”的医疗过程中。他补充道:“想想面部表情,手势,节奏和语调。如果你将这些碎片分解成聊天机器人、机器人或其他与人类的互动点,那就成了人工智能和大数据算法可以用来评估结果的指标或数据。”

随着医院越来越多地关注这些有前瞻性的应用,有一些很重要的问题, CIO 们和其他 IT 专家应该记住,Chambers 说。

对于希望利用 AI 和 EI 来帮助客户体验或提高护理质量的机构来说,我认为医院或临床医生要决定的第一个问题是情绪智能如何支持护理的过程。“情绪智能是否会取代人与人的互动?如果情绪智能取代了(人与人的互动),它将在哪些方面支持病人,我们该如何使用这种交流方式?

尽管在应用前景上,人工智能存在很多优势,但还存在很多道德问题和风险。我们是否可以让 AI 陪伴老年痴呆症患者,明明它只是个机器,不会有感情,我们却依旧相信它有感情,这是否正确?显然不是。 

Chambers 说:“因为你真的在改变着你如何与病人互动的模式。”“在病人的治疗周期中,你看到需求了吗?”

假设这些问题已经解决,还有一个重要的事情要考虑。他说:“你打算怎么处理这些数据?这是病人级的数据,是实时的。然后把它变成电子健康记录吗?用社交媒体来标记它吗?索赔数据是否使用它?它是如何整合的?”

他说,隐私问题“有点让人气馁”。“你如何管理病人的情商?我不知道。这些是我们正在努力解决的问题。但医院和医疗保健公司有机会在这个领域发挥领导作用。”


本文作者:李雨晨

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
JavaScript 定位技术 API
uniapp腾讯地图路线规划
uniapp腾讯地图路线规划
982 0
|
5月前
|
存储 资源调度 并行计算
# Qwen3-8B 与 Qwen3-14B 的 TTFT 性能对比与底层原理详解
通义千问Qwen3系列是通义实验室2025年推出的最新大模型,包含多种参数版本,其中Qwen3-8B与Qwen3-14B均支持32K token上下文。Qwen3-8B参数量较小,响应更快,适合低延迟交互;Qwen3-14B参数更多,推理更强,适用于复杂任务。两者在TTFT、架构优化、量化技术及部署方案上各有侧重,满足多样应用场景需求。
3027 10
|
6月前
|
存储 关系型数据库 测试技术
拯救海量数据:PostgreSQL分区表性能优化实战手册(附压测对比)
本文深入解析PostgreSQL分区表的核心原理与优化策略,涵盖性能痛点、实战案例及压测对比。首先阐述分区表作为继承表+路由规则的逻辑封装,分析分区裁剪失效、全局索引膨胀和VACUUM堆积三大性能杀手,并通过电商订单表崩溃事件说明旧分区维护的重要性。接着提出四维设计法优化分区策略,包括时间范围分区黄金法则与自动化维护体系。同时对比局部索引与全局索引性能,展示后者在特定场景下的优势。进一步探讨并行查询优化、冷热数据分层存储及故障复盘,解决分区锁竞争问题。
801 2
|
3月前
|
机器学习/深度学习 传感器 数据采集
基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)
基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)
579 0
|
11月前
|
存储 分布式计算 Hadoop
MPP 架构与 Hadoop 架构技术选型指南
MPP架构与Hadoop架构是处理海量数据的两大选择。MPP通过大规模并行处理实现快速查询响应,适用于企业级数据仓库和OLAP应用;Hadoop则以分布式存储和计算为核心,擅长处理非结构化数据和大数据分析。两者各有优劣,MPP适合结构化数据和高性能需求场景,而Hadoop在扩展性和容错性上表现更佳。选择时需综合考虑业务需求、预算和技术能力。
1252 14
|
JavaScript 前端开发 数据可视化
ECharts 雷达图案例001-自定义节点动画
使用ECharts创建自定义雷达图,通过JavaScript动态更新高亮和交互反馈,增强用户体验。关键步骤包括:开启动画效果,数据更新时保持图表状态,鼠标悬浮时动态高亮指标,优化动画性能。案例展示了ECharts在数据可视化中的灵活性和表现力。[查看完整案例](https://download.csdn.net/download/No_Name_Cao_Ni_Mei/89454380)。
1013 0
 ECharts 雷达图案例001-自定义节点动画
|
监控 数据挖掘 测试技术
教师评价系统
教师评价系统
849 0
教师评价系统
|
存储 应用服务中间件 nginx
双非本24秋招之路,从考研跑路到大厂上岗(无实习、项目)
双非本24秋招之路,从考研跑路到大厂上岗(无实习、项目)
|
机器学习/深度学习 人工智能 自然语言处理
无需标注海量数据,目标检测新范式OVD让多模态AGI又前进一步
无需标注海量数据,目标检测新范式OVD让多模态AGI又前进一步
757 0