数字表型作为感知信息学：通过美学设计基于AI的心理健康诊断工具

研究背景与问题

• 问题与挑战: 心理健康诊断工具落后于其他医学领域，主要依赖主观报告和临床访谈，导致不够客观和精确。数字表型学 (Digital Phenotyping, DP) 被提议用于利用智能设备和可穿戴设备收集数据，通过客观数据帮助弥补现有诊断模式的不足。然而，目前DP设计中忽视患者需求，将用户复杂的心理健康体验简化为量化的数据模型，从而引发伦理争议、使用困境及患者体验被边缘化等问题。
• 重要性: 精确、客观的诊断工具可以缓解心理健康患者和医生之间的诊断鸿沟，并为监测和治疗计划提供辅助。然而，这样的创新也可能加剧主观体验的忽视，同时强化心理健康问题的标签化与社会污名。
• 研究动机与相关工作: 作者审视了DP被定位为科学、客观工具的假设性局限性，探讨当前设计如何压缩了用户实际的心理和身体体验，以及缺乏对用户日常生活的情感、身体体验的敏感性。相关工作聚焦于DP的伦理、社会学与技术潜能，而本研究希望提供一种以美学和“感知信息学”（Felt Informatics）为核心的新视角，以弥补缺口。

解决方案

• 提出的方法: 作者将DP重新框定为“感知信息学”问题，并从美学视角强调用户的“感”与AI的“感”。即不是仅创建使用户“被理解”的AI，而是设计可以让用户“感知到被感知”的系统。
• 创新之处:
  • 提出“感知信息学”概念，通过美学视角重新审视DP如何捕获、表征和影响用户心理健康体验，强调数据设计与用户身体感知、主观体验的艺术化互动。
  • 推动AI从单纯的数据分析者转型为一种“美学代理”（Aesthetic Agent），能够敏锐捕捉潜在问题，同时与用户协作感知和理解心理状态。
• 实施步骤:
  1. 感知（Perception）: 重新定义感知数据的本质，关注DP的“超感知能力”（Hyperaesthetisation）对用户行为模式的选取和影响。
  2. 表征（Representation）: 改善数据可视化设计；避免标签化、病理化趋势，赋予用户更多数据的互动性和反思能力。
  3. 体验（Experience）: 深入探索用户心理健康的日常化体现，设计引导个体反思自己状态的技巧和工具，而非直接推导结论或诊断标签。
  4. 关系（Relationality）: 推动DP系统融入更广泛的生态和关怀系统，而不只是单一的用户与技术互动；确保家庭、社区及医生在关怀关系中的适当角色。

研究成果

• 具体成果:
  • 提出“感知信息学”设计框架，用以引导数字心理健康应用的设计，更适配用户的心理、感官与文化背景。
  • 提供四大设计维度（感知、表征、体验、关系）和多个实用设计问题，便于设计者构建更敏感、更具人性化的数字医用工具。
• 与现有解决方案的对比:
  • 当前的DP工具重数据收集与分析，而忽略用户对数据的感受与理解；而“感知信息学”框架则将用户体验、互动提升至重要地位。
  • 强调数据产生的情感效应和反思空间，而非单纯表征科学数据或诊断结果。
• 实验与评估结果: 暂无大规模实践的指标性数据或用户反馈，主要集中于架构内理论探讨与设计策略。
• 局限性与未来方向:
  • 局限性: 美学视角对长期健康改善的实用价值、以及在复杂医疗场景中的适用性仍需更多实证研究。同时与现有医疗体系和规范衔接的具体方法模糊。
  • 未来方向:
    • 开发具体案例或应用，验证“感知信息学”框架在实践中的效果。
    • 探索“感知信息学”如何融入不同文化的心理健康生态体系。
    • 通过多方协作优化AI和用户之间的感知协同，提升模型透明性与用户信任度。