بهزیستی روانی برای یک زندگی شاد و به ویژه با استرس ضروری است با توجه به تشدید بحران سلامت روان در ایالات متحده و جهان، تحقیقات در مورد روش هایی که فناوری می تواند سلامت روان را بهبود بخشد، هرگز مهم نبوده است. فناوری می تواند برای سلامت روان کاربران مضر باشد، اما راه های فراوانی نیز وجود دارد که می توان از آن برای بهبود سلامت روان استفاده کرد. CCC پانلی را با عنوان «بهبود سلامت روان و حمایت از خودتنظیمی با فناوری» ترتیب داد که وضعیت بسیاری از فناوری‌های خلاقانه را که از رفاه روانی افراد حمایت می‌کنند، تشریح کرد. اعضای میزگرد دکتر Tanzeem Choudhury (دانشگاه کرنل)، دکتر Mary Czerwinski (Microsoft Research) و دکتر Shri Naranyan (دانشگاه کالیفرنیای جنوبی) بودند. این جلسه توسط دکتر هالی یانکو (دانشگاه ماساچوست لاول) مدیریت شد.

دکتر نارانیان پانل را با بحث در مورد فن آوری های هوش ماشینی چندوجهی برای حمایت از سلامت و رفاه روانی آغاز کرد. فناوری به روش‌های جدید و هیجان‌انگیزی در حال پیشرفت است و به آن امکان مشاهده، تجزیه و تحلیل، درک و تعامل با انسان‌ها را می‌دهد. مهم است که تحقیقات در این زمینه انسان محور باشد، به این معنی که داده ها/اطلاعات در مورد، از و برای افراد مشخص می شود. باید از نحوه درک، پردازش و استفاده مردم از داده های انسانی مطلع شود. 

هنگام طراحی فناوری برای کمک به حمایت از کسی در لحظه اضطراب یا بحران، محققان باید این اصل اساسی را در نظر بگیرند که شرایط انسان ثابت نیست، بلکه همیشه در حال تغییر است. یکی دیگر از جنبه‌های مهم وضعیت انسان این است که شرایط مختلف سلامتی در زمان‌های مختلف در طول عمر افراد شایع است.

دکتر نارانیان در ادامه توضیح داد: «از لحاظ تاریخی، محققان رویکردهای یک‌وجهی را برای درک، مدل‌سازی و شناخت فرآیندهای عینی‌تر انسانی اتخاذ کرده‌اند. به عنوان مثال، در تحقیقات تشخیص گفتار، هدف این است که از طریق یک سیگنال صوتی، «آنچه گفته شد» مشخص شود. هدف از تحقیق حواشی گفتاری تعیین این است که "چه کسی چه زمانی صحبت کرد" در طول مکالمات چند طرفه. این توصیفگر سطح پایین رفتار انسان است و محققان باید به مدل‌سازی رفتارهای انسانی انتزاعی‌تر با استفاده از بلوک‌های سازنده پردازش سیگنال چندوجهی روی آورند.

محققان از فن آوری گفتار و زبان طبیعی برای تجزیه و تحلیل گفتار درمانی معمولی استفاده کرده اند که موفقیت آمیز بوده است. این تکنیک را می توان نه تنها در محیط های بالینی مستقر، بلکه در زندگی روزمره نیز به کار برد. به عنوان مثال، پیش بینی زمان وقوع درگیری قبل از وقوع و استفاده از فناوری برای مداخله قبل از داغ شدن شرایط. روش‌های مختلفی برای تشخیص سرپایی وجود دارد که می‌تواند داده‌ها را برای این نوع مداخله جمع‌آوری کند (آدلا سی. تیمونز، تئودورا چاسپاری، سوهیون سی. هان، لورا پرون، شریکانت اس. نارایانان، و گایلا مارگولین. تشخیص چندوجهی تعارض در زوج‌ها با استفاده از فناوری پوشیدنی. رایانه IEEE. شماره ویژه در مورد فناوری‌های کیفیت زندگی. مارس 2017.): 

پیش‌بینی زمان وقوع درگیری با دقت بالا، مزایای باورنکردنی خواهد داشت.

حوزه دیگری که در آن فناوری، به ویژه یادگیری ماشینی، می تواند بسیار مفید باشد، تشخیص اختلال طیف اوتیسم است. روش فعلی شامل مشاهده افراد یا از طریق نظرسنجی است و محققان محاسباتی می توانند به بهینه سازی این فرآیند کمک کنند. محققان محاسباتی همچنین می توانند تأثیر زیادی در حوزه روان درمانی داشته باشند. فهمیدن اینکه چه تکنیک هایی در چه زمانی و چگونه با بیماران خاص کار می کنند، در مقیاس بزرگ بسیار مفید نیست. درک آنچه در طول جلسات، نتایج و زمینه اتفاق می افتد، می تواند بسیار مفید باشد و اهدافی هستند که امیدواریم یادگیری ماشین می تواند به آنها دست یابد.

هنگام ادغام پشتیبانی از سلامت روان و فناوری، ضروری است که افراد تحت تأثیر این فناوری به آن اعتماد کنند. بسیار مهم است که این فناوری فراگیر، ایمن و دارای ویژگی های حریم خصوصی باشد. در نهایت دکتر نارانیان اهمیت هوش ماشینی انسان محور را تکرار کرد. محصولات الگوریتم‌های یادگیری ماشین تنها زمانی مفید هستند که بتوانیم آن‌ها را در مقیاس اقتصادی پیاده‌سازی کنیم، و زمانی که بتوانیم آنها را برای استفاده مردم ترجمه کنیم.

سپس، دکتر Choudhury گفتگو را با تشریح مداخلات حسی که از این فناوری چند مدلی استفاده می‌کنند، ادامه داد. او بر اهمیت فناوری (1) در دسترس بودن برای انجام یک مداخله در لحظه تاکید کرد. و (2) عملکردی برای کار به موازات کاری که قبلاً انجام می دهید. فن‌آوری‌ها باید برای حمایت و تقویت مداخلات موجود طراحی شوند، و فرصت‌های زیادی برای استفاده از ویژگی‌های پیوسته چندوجهی برای خودتنظیمی در لحظه وجود دارد.

دکتر چودوری سپس یک گام به عقب برداشت و بر اهمیت خودتنظیمی تاکید کرد. همه ما امیدواریم که زندگی سالمی داشته باشیم که در آن برتر باشیم و از سلامت جسمی و عاطفی خود مراقبت کنیم. خودتنظیمی می تواند بر اهدافی که می خواهید به آنها برسید تأثیر بگذارد و شکست در خودتنظیمی به این معنی است که احتمالاً نمی توانید به هدفی که می خواهید برسید. به عنوان مثال، دانشجویی که زیاد مطالعه می کند و آمادگی خوبی برای امتحان دارد، در طول امتحان دچار حمله پانیک می شود و در نتیجه در آن مردود می شود. این می تواند در محل کار، در طول مصاحبه شغلی و غیره اتفاق بیفتد.

هدف فناوری برای خود تنظیمی کمک به افراد برای دستیابی به اهداف و تحقق حداکثر پتانسیل خود است. برای دستیابی به این اهداف، استفاده از فناوری و نگهداری آن باید بدون مزاحمت و بدون زحمت باشد.

برای داشتن یک مداخله موثر، ابتدا باید یک روش موثر برای اندازه گیری سیگنال های احساسی دیگران داشته باشید. برخی از افراد بیشتر از دیگران از زمانی که ممکن است اضطراب، افسردگی و غیره را تجربه کنند، آگاه هستند. یکی از راه‌های افزایش آگاهی افراد از این لحظات این است که فناوری بررسی احساسات را ارائه دهد. 

یکی از ایده های این دستگاه پوشیدنی است که لرزش های ظریفی را روی مچ دست ایجاد می کند (شبیه سازی ضربان قلب). راه تشخیص نیاز به مداخله این است که ضربان قلب فردی در حال افزایش است و ورزش نمی کند، که نشان می دهد احتمالاً استرس یا اضطراب را تجربه می کند. هنگامی که دستگاه افزایش ضربان قلب را تشخیص داد، می تواند با انتشار ارتعاشات ظریف با فرکانس پایین تر از ضربان قلب بالا، با هدف کاهش ضربان قلب، مداخله کند. این نوع فناوری ثابت کرده است که در موقعیت‌های دیگر نیز تأثیرگذار است، مانند کاهش میل به الکل از طریق بیوفیدبک ارتعاشی ضربان قلب.

نوع دیگری از فناوری که مداخله در لحظه را فراهم می کند، مکانیزم لمس عاطفی پوشیدنی است که هنگام تشخیص ضربان قلب بالا، لمس آرامش بخشی را ارائه می دهد. آخرین نمونه ای که دکتر Choudhury ارائه کرد BreathPulse بود، که دستگاه کوچکی است که به لپ تاپ یک نفر متصل می شود و جریان هوای او را به طور نامحسوسی تحت تأثیر قرار می دهد (برای تأثیرگذاری نیازی به استراحت یا زمان استراحت ندارد).

دکتر Choudhury به این نتیجه می‌رسد که فرصت‌های زیادی برای فناوری‌های خودتنظیمی وجود دارد که به طور خودکار نحوه درک کاربران از نشانه‌های محیط یا خودشان را تغییر می‌دهد، که می‌تواند به طور باورنکردنی در کمک به کاربران برای دستیابی به رفاه ذهنی و جسمی مؤثر باشد.

دکتر چروینسکی آخرین میزگرد جلسه بود و او با این ایده موافق بود که فناوری مورد استفاده در مداخلات خودتنظیمی باید ظریف و به موقع باشد. او و همکارانش به طور خاص با افرادی که در معرض خطر خودکشی بودند کار می کردند. او توضیح داد که "اختلالات بهداشت روانی علت اصلی ناتوانی و مرگ در سراسر جهان است، به طوری که بیش از 18٪ از بزرگسالان ایالات متحده هر سال یک بیماری روانی را تجربه می کنند." روان درمانی مبتنی بر شواهد برای بسیاری از شرایط سلامت روان موثر است.

یکی از انواع روان درمانی مبتنی بر شواهد، رفتار درمانی دیالکتیکی یا DBT است که یک درمان مبتنی بر مهارت است که برای حمایت از افراد مبتلا به اختلالات پیچیده در توسعه مهارت های مقابله ای مشخص طراحی شده است. در حالی که DBT می تواند در کمک به افراد در مدیریت اختلالات مختلف موفق باشد، تعیین کمیت اثربخشی استراتژی دشوار است.

برخی از ایده‌ها، مانند مداخلات سلامت روانی سیار، به دنبال کاهش موانع مالی و زمانی مرتبط با درمان‌های حضوری و افزایش تعامل متنوع هستند. با این حال، این مداخلات عمدتاً از اصول مبتنی بر شواهد پیروی نمی کنند و بنابراین به طور گسترده به عنوان بی اثر شناخته می شوند.

دکتر چروینسکی با گسترش ترکیبی امیدوارکننده از این دو مداخله ادامه داد: «ترجمه روان‌درمانی مبتنی بر شواهد به برنامه‌های تلفن همراه، و جمع‌آوری داده‌های استفاده در آن برنامه‌ها، فرصت‌های جدیدی را برای انجام تجزیه و تحلیل در مورد اثربخشی این مداخلات فراهم می‌کند. ” این داده ها از ایجاد طرح هایی است که بهترین پشتیبانی ممکن را ارائه می دهند.

دکتر Czerwinski و همکارانش اپلیکیشنی به نام Pocket Skills توسعه دادند که از چندین ماژول و مهارت تشکیل شده است که برای ارائه پشتیبانی جامع از DBT طراحی شده است (Schroeder, J., Wilkes, C., Rowan, K., Toledo, A. , Paradiso, A., Czerwinski, M., Mark, G. and Linehan, MM "مهارت های جیبی: یک برنامه وب موبایلی مکالمه ای برای پشتیبانی از رفتار درمانی دیالکتیکی." CHI 2018). از طریق جمع آوری داده ها در برنامه، آنها می توانند اثربخشی مهارت های فردی DBT را بررسی کنند.

بخش مهارت های برنامه به افراد کمک می کند تا مهارت های DBT را یاد بگیرند و تمرین کنند. دکتر چروینسکی می‌گوید: «به عنوان مثال، شخصی که احساس ناراحتی عاطفی می‌کند ممکن است بخواهد حقایق موقعیت را بررسی کند تا تأیید کند که احساساتش با موقعیت واقعی مطابقت دارد یا خیر.» یکی دیگر از جنبه های مهم برنامه این است که آنها شامل حضور خالق DBT، Marsha Linehan، که در جامعه بسیار شناخته شده است، بود.

دکتر Czerwinski و تیمش از داده‌های یک مطالعه میدانی یک ماهه Pocket Skills با 100 شرکت‌کننده استفاده کردند و ترکیبی از روش‌های آماری و یادگیری ماشینی را به کار بردند و دریافتند که این برنامه به طور گسترده مؤثر است. آنها این نتیجه‌گیری را از مجموعه‌ای از ویژگی‌های شرکت‌کننده از طریق نظرسنجی‌ها و داده‌های استفاده از اپلیکیشن از جمله رتبه‌بندی اثربخشی مهارت گزارش‌شده توسط خود به دست آوردند. برای مثال، مهارت‌های تنظیم هیجان از افراد می‌خواست تا قبل و بعد از تکمیل مهارت، شدت هیجانی خود را ارزیابی کنند. برای اکثر کاربران، انجام مداخله در لحظه پریشانی بسیار مهم بود.

پس از طرح انواع سؤالات پژوهشی، آنها نتایج زیر را به دست آوردند: (1) «ما دریافتیم که بیشتر مهارت‌ها زمانی استفاده می‌شوند که یک فرد در پریشانی است و برخی از آنها در کاهش پریشانی نسبت به سایرین مفیدتر بودند، که تحت تأثیر تفاوت‌های فردی قرار دارند. پیشنهاد می کند که طراحان باید طیف وسیعی از اطلاعات زمینه ای را ترکیب کنندو (2) «ما همچنین دیدیم که مهارت‌هایی که کار می‌کنند می‌توانند به بهبود کلی سلامت روان منجر شوند، و چنین مهارت‌های مؤثری را می‌توان با استفاده از روش‌های یادگیری ماشین پیش‌بینی کرد. بنابراین، مداخلات دیجیتالی می‌تواند با پشتیبانی هوشمند و توصیه‌های مهارتی شخصی‌سازی شود."

پس از پایان سخنرانی دکتر چروینسکی، اتاق برای بخش پرسش و پاسخ جلسه باز شد. اولین سوال توسط دکتر هالی یانکو، عضو شورای CCC و مجری این پنل پرسیده شد: چه موانعی برای استفاده از این فناوری ها می بینید؟

• دکتر نارانیان: امروز وضعیت بین نیازمندان و تامین کنندگان چگونه است؟ نیاز به ایجاد و بهبود اعتماد وجود دارد. دسترسی به مراقبت های بهداشت روانی با کیفیت و با هزینه مقرون به صرفه موانع بزرگی در سراسر جهان است. ما باید ببینیم که فناوری چه نقشی می تواند برای کاهش این موانع ایفا کند. همچنین باید آگاهی از اهمیت سلامت روان افزایش یابد. شرایط سلامت روان اغلب پنهان است و انگ بزرگی علیه سلامت روان وجود دارد. چگونه فناوری می تواند آگاهی را بهبود بخشد؟
• دکتر چودوری: من موافقم که فناوری، مراقبت های بالینی و سلامت روان بخشی از یک سیستم پیچیده هستند. چگونه این فناوری با ارائه مراقبت مطابقت دارد؟ ورود به بازار مراقبت های بهداشتی دشوار است. بنابراین، ایجاد تغییرات کوچک در سیستم مراقبت های بهداشتی بهترین است. کیفیت مراقبتی که بیماران دریافت می کنند یکسان نیست. چگونه ابزارها، حسگرها و هوش مصنوعی کیفیت مراقبت را بدون به خطر انداختن ساختار دقیقی که این ابزارهای درمانی ارائه می‌دهند، بهبود می‌بخشند؟ چگونه می تواند به آنها کمک کند تا اقدام کنند، و خدمات صحیح چیست؟ اقتصاد ارائه مراقبت های بهداشتی نیز مهم است. اگر بتوانیم به نقاط ضعف اقتصادی دست پیدا کنیم، می توانیم پذیرش در مقیاس وسیع تری را شاهد باشیم. این سه جنبه، تحقیقات بنیادی، ارائه مراقبت و اقتصاد مهم هستند.
• دکتر چروینسکی: یک چیز ساده‌تر که مانع می‌شود، سهولت استفاده است. ما چندین برنامه طراحی کرده ایم و سهولت استفاده مانع بزرگی است. اگر در فکر خودکشی بسیار بدی هستید، به استفاده بسیار آسان مانند یک دکمه قرمز بزرگ نیاز دارید.
• دکتر نارانیان: ما همچنین باید مطمئن شویم که محققان این فناوری ها فقط بیمار محور نیستند، بلکه نیازهای ارائه دهندگان، اعضای خانواده و غیره را نیز در نظر می گیرند.

دکتر کتی سیک، عضو شورای CCC سوال بعدی را پرسید: زمانی که مداخلات به موقع انجام می دهید، افراد مسن دارای انواع مختلف پوست هستند. افراد باردار در حال نوسان وزن و غیره چگونه می توانید آنها را به موقع دریافت کنید و سنسورهای مناسب را در اختیار دارید؟

• دکتر چودوری: یکی از چیزهایی که بارها دیده‌ایم این است که افراد مختلف تغییرات را به روش‌های مختلف نشان می‌دهند. اگر یک تغییر شدید از رفتار عادی وجود داشته باشد، واقعاً مهم است. شما باید روند را تماشا کنید. همچنین، چگونه داده‌هایی را که از دستگاه‌های روزمره دریافت می‌کنیم با داده‌های بالینی ترکیب می‌کنید؟ هیچ یک از این داده ها به تنهایی داستان کامل را در اختیار شما قرار نمی دهد. ترکیب این دو چیزهای زیادی را نشان خواهد داد.

دکتر رابین بروئر، یک میزگرد برای جلسه تحت حمایت CCC، "نظارت، کمک، یا مانع؟: فناوری برای مراقبت از سالمندان،" سوال بعدی را پرسید: "برای مداخلات به موقع برای سلامت روان، چگونه آنها را به گونه ای طراحی می کنید که "خزنده" نباشد تا مردم از آنها استفاده کنند و بپذیرند؟":

• دکتر Choudhury: طراحی و سهولت استفاده مهم است. برای ضربان قلب یک هدف ویژه برای تعبیه در ساعت وجود دارد که بخشی از چیزی است که آنها می پوشند و برجسته نیست. برای مکانیزم تنفس، به عنوان بخشی از دوربین تعبیه شده است تا جریان هوای شخصی را تنظیم کند. برای نوازش معمولا زیر لباس شما یا جایی است که نمی توانید آن را ببینید. ما هنوز با بسیاری از این فناوری‌ها به آنجا نرسیده‌ایم، اما سهولت بسیار مهم است.
• دکتر نارانیان: مثلاً کاردرمانگران با کودکان مبتلا به اوتیسم کار می کنند. برای آنها، لمس و لمس مهم است - همیشه به روشی قابل درک نیست که افراد غیر در طیف احساس کنند. دانستن و شخصی سازی سیگنال ها برای افرادی با طراحی مناسب بسیار مهم است. فکر و زمان برای فردی کردن مداخله تکنولوژیکی کلیدی است.

در مرحله بعد، یکی از مخاطبان پرسید: «چگونه/اگر می‌بینید که چگونه هوش مصنوعی می‌تواند در این فناوری‌ها گنجانده شود - یا پیشرفت‌هایی که در هوش مصنوعی مشاهده می‌کنید در این فناوری‌ها اعمال می‌شوند؟»

• دکتر چروینسکی: ما نمی توانیم در HCI [تعامل انسان و کامپیوتر] بدون هوش مصنوعی کاری انجام دهیم. بله، هوش مصنوعی باید گنجانده شود. ما از الگوریتم های عالی استفاده کرده ایم. ما کارهای زیادی داریم که باید انجام دهیم به خصوص در شخصی سازی - این کار در حال رسیدن است اما انجام نشده است. افراد زیادی از چت GBT برای درمان استفاده می کنند که نگران کننده است.
• دکتر چودوری: ما چنین مجموعه‌های غنی از سیستم‌های توصیه‌ای داریم که بر زندگی روزمره تأثیر می‌گذارند، اما نه برای سلامت روان. چگونه می دانید کدام سیگنال مهم است؟ برای مثال، اگر می‌دانید که سلامت روان کاربر تحت تأثیر اختلال در خواب است، می‌توانید توصیه‌هایی را شخصی کنید که نشانه‌های مناسب را هدف قرار می‌دهند. شما فقط یک برنامه خواب تنظیم نمی کنید، بلکه مداخلاتی را بر اساس خوابی که واقعاً دریافت کرده اید، انجام خواهید داد. هوش مصنوعی می تواند آن را به شخصی سازی و توصیه ها گره بزند. بسیاری از ربات‌های چت که کاملاً مبتنی بر مدل‌های زبان هستند، و سپس راه‌حل‌های مبتنی بر حسگر و چندوجهی وجود دارند. یکی از جنبه‌ها این است که چگونه متوجه می‌شوید زمانی که فردی علائم پریشانی را نشان می‌دهد و آنها را در برنامه وارد می‌کند، چه مواردی را یک ربات چت می‌تواند به راحتی به آن بپردازد، و چه زمانی برای کاهش علائم به انسان نیاز است؟ چگونه این دسته‌بندی‌ها و تریاژها را انجام می‌دهید تا خطرات زیادی برای پاسخ‌های خودکار نداشته باشید؟
• دکتر نارانیان: هوش ماشینی یک اکوسیستم است. توانایی ارائه روشی قابل اندازه‌گیری برای افزایش توانایی‌های شناختی انسان، با پر کردن شکاف‌ها در طرح‌های درمانی، ارزشمند خواهد بود. به عنوان مثال، اگر شخصی تغییراتی را در الگوهای خواب خود گزارش می‌کند، مهم است که در مورد تغییرات اخیر دارو، آنچه در جلسات درمانی اخیر وی رخ داده است و غیره اطلاع داشته باشد. دانستن این اطلاعات توانایی ارائه‌دهنده را برای تصمیم‌گیری آگاهانه در مورد آنچه مراحل بعدی باید برای بیمار باشد. عدم قطعیت و تنوع در فرآیند وجود دارد و شما باید اطلاعات ارائه شده را غربال کنید. یادگیری ماشینی و روش‌های دیگر می‌توانند داده‌ها را کنار هم قرار داده و آن‌ها را طبقه‌بندی کنند. می توان آن را به گونه ای انجام داد که بتوان آن را طبقه بندی کرد و به روشی ابعادی تر نگاه کرد. ما اطلاعات را دریافت می کنیم، آن را تقطیر می کنیم و در پاسخ چه چیزی تولید می کنیم؟ در نهایت، رابط های فناوری می توانند [اشکال دیگر] مداخلات را افزایش دهند. باید دوباره به افراد درگیر وصل شود. همکاری موثر بین افراد درگیر و فناوری می تواند اتفاق بیفتد. ما هنوز آنجا نیستیم، اما روی آن کار می کنیم. شرکت مشترک با همه افراد درگیر. فناوری یکی از توانمندسازهای این اکوسیستم است.

یکی دیگر از مخاطبان پرسید: «سوال من خیلی در مورد فناوری نیست، بلکه در مورد استفاده است. چگونه در کشور زیاد استفاده می شود؟ و آیا فکری برای کشورهایی دارید که زیاد از تلفن همراه استفاده نمی کنند؟ "

• دکتر نارانیان: علم. وقتی به پزشکی نگاه می کنید، تکنولوژی تغییرات بزرگی ایجاد کرده است. هدف قرار دادن داروها و .... روانپزشکی خیلی عقب است. ما درکی از مکانیسم ها در مقیاس نداریم. ما می توانیم انواع مختلف سایت های تشخیصی و غربالگری را پشتیبانی کنیم. نمونه هایی در مورد اهمیت مداخله به موقع در این پانل رایج بود، و این در جبهه تشخیصی غربالگری نیز صادق است. در سمت درمان، امکان دسترسی به روش ها و شخصی سازی آن بسیار مهم است. این اخیراً در حال آزمایش است. هیچ مشابهی با توسعه دارو وجود ندارد و ما به مطالعات زیادی نیاز داریم. این هنوز یک سوال باز است و راه حل مشخصی وجود ندارد. کلینیک های سلامت روان به آرامی ابزارهایی را به کار می گیرند. ما در مرحله رشد هستیم. پذیرش در سطح جهانی هدف است، اما ما باید به آن فکر کنیم. این قطعا مکانی است با فرصت های تحقیقاتی فراوان، به ویژه در فضای سلامت روان.
• دکتر چودوری: برای برخی مداخلات دسترسی وجود دارد. تله درمانی و موارد دیگر از طریق کارفرمایان در دسترس است. ما نیاز به بهبود کیفیت داریم، اما این را از طریق استارتاپ‌ها می‌بینیم، و آزمایش‌های داخلی خود را انجام می‌دهیم تا ببینیم چگونه این بهبود می‌یابد. سیگنال های غنی زیادی در ارائه مراقبت بهتر. برخی از این در تنظیمات فیزیکی برای تشخیص فعالیت بدنی استفاده شده است. این یک داستان واضح نیست. اگر شما درمان را پیشنهاد می کنید، به تایید FDA نیاز دارید، یا اگر اقدامی بر اساس خودکشی فردی انجام می دهید.

بعد، شخصی در اتاق پرسید: «اطلاعاتی در مورد استفاده از داروهای روانگردان. مثلاً کتامین و غیره به نظر می رسد یک مطالعه عالی برای طراحی با استفاده از مواد و اینکه چگونه فناوری در هم تنیده شده است؟

• دکتر چودوری: مطالعاتی در حال انجام است. این یکی از مواردی است که مشخص نیست، مانند زمانی که فردی نیاز به مصرف مجدد دارد و چه سطحی از دوز مورد نیاز است. برخی از مطالعات بالینی برای ترکیب درمان‌های چندوجهی و روان‌گردان‌ها انجام می‌شوند تا ببینند چه زمانی افراد نیاز به مصرف مجدد دارند.
• دکتر چروینسکی: ما شروع به مشاهده برخی افراد می کنیم که با استفاده از آنها دچار اپیزودهای بدتری از سلامت روان می شوند، به خصوص زمانی که خودشان آزمایش می کنند. تداخل با سایر داروها نیز یک جنبه مهم است.
• دکتر نارانیان: ما می توانیم به جای اینکه از مردم بخواهیم به شما مراجعه کنند، به آنها برسیم. برخی از مطالعات شامل مداخلات…

آخرین سوال مخاطبان این بود: «فناوری خود تنظیمی که در مورد آن صحبت کردید، از منظر نوروپلاستیسیته جالب است. در تئوری، داروها باعث تقویت نوروپلاستیسیته می شوند که افراد می توانند به تنهایی انجام دهند و این توانایی را افزایش می دهند. احساس می‌شود که توسعه طبیعی فناوری خودتنظیمی است.»

• دکتر چودوری: این یک سوال عالی است، چگونه تأثیر برخی از این مداخلات را گسترش می دهید؟ من نمی دانم که آیا مطالعاتی در این زمینه وجود دارد یا خیر.

دکتر یانکو آخرین سوال جلسه را پرسید: "چگونه برای قابل اعتماد بودن و حفظ حریم خصوصی طراحی کنیم و چگونه داده های خود را کنترل کنیم؟"

• دکتر چروینسکی: با دقت، در مایکروسافت باید بررسی های زیادی را انجام دهیم تا مطمئن شویم همه چیز خصوصی است.
• دکتر چودوری: از فردی به فرد دیگر و شرایطی به شرایط دیگر متفاوت است. برای اسکیزوفرنی، ما می دانیم که مادام العمر است و واقعاً بر کیفیت زندگی تأثیر می گذارد. اگر آن را به زایمان گره بزنید، پذیرش بسیار بیشتری وجود دارد. همچنین میزان ارزش آن بسته به شرایط فرد مبتلا تغییر می کند.
• دکتر نارانیان: دیدگاه چه کسی مهم است-فرد، ارائه دهنده، خانواده آنها، سیستم، و غیره. میانجیگری فناوری به معنای دسترسی آن به اطلاعات حساس است که ممکن است شامل موارد دیگری در مورد وضعیت آنها باشد. از منظر هوش مصنوعی، تلاش‌های زیادی وجود دارد تا ببینیم چگونه می‌توانیم حفاظت‌های حفظ حریم خصوصی داشته باشیم. سیاست های حمایتی و موارد قانونی زیادی وجود دارد. همه چیز در مورد ترکیبی از مزایای به دست آمده از وارد کردن این به فناوری سیستم مراقبت و استفاده از فناوری است، چگونه آن را ایجاد کنیم؟ و به چه قیمتی؟ این یک انتخاب مداوم است. ارائه فناوری فراگیر، ایمن، ایمن و عادلانه یک چیز مثبت است.

با تشکر از پانل های باورنکردنی برای شرکت در این جلسه! پنجشنبه هفته آینده برای خلاصه پنل نهایی AAAS ما با ما همراه باشید: حفظ وسعت غنی برای هوش مصنوعی.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
• ضرب کردن آینده با آدرین اشلی. دسترسی به اینجا.
• منبع: https://feeds.feedblitz.com/~/736430036/0/cccblog~AAAS-Panel-Recaps-Improving-Mental-Health-and-Supporting-Selfregulation-with-Technology/