心理健康和神经系统疾病正在流行。在美国，五分之一的人患有精神疾病。

然而，越来越缺乏足够的精神卫生专业人员来充分满足这一需求。据估计，到2025年，对精神科医生的需求可能会超过15600名精神科医生的供应。为了帮助临床医生用有限的资源支持越来越多的谁寻求治疗的患者，精神病学计算的研究领域应用数据和指标驱动的方法精神病学研究的思想，情感和行为。

2017年1月，IBM做出了大胆的声明，称卫生专业人员可以在五年内应用AI来更好地理解言语和语言如何为我们的心理健康画上清晰的窗户。差不多两年后，我们已经看到了可喜的早期结果。从那时起，我们所做的工作和研究已经巩固了我们的地位：从语音到单词选择到书面文本和生理指标的个性化数据，再加上AI，可能是帮助卫生专业人员更好地了解我们自己思想的关键。

在过去的一年中，IBM Research的团队与临床医生合作在该领域发表了以下研究，所有这些都证明了AI和语音在帮助专业人士了解信息以及帮助他们更详细地描述我们所发生的事情方面的潜力。 。

我们已经在构建AI算法方面取得了进展，该算法可以根据用户句子的结构复杂性来帮助临床医生了解用户的心理状态，这可以指出认知障碍的模式。

我们还证明了AI和机器学习可用于帮助临床医生识别关键的语言模式，这些模式可准确确定95%的语言样本，这些样本传统上与精神分裂症患者相对应，而与那些被认为更可能因健康而患有精神病的个体相对应专业人士或健康对照者。具体来说，话语连贯性(句子之间建立含义的方式)以及话语丰富性(单词周围添加的上下文)的变化可以明显地表明精神分裂症。

我们已经开发出一种使用机器学习的方法，可以快速自动地进行口头言语分析，并以超过83%的准确度提醒临床医生警惕队列中出现精神病发作的可能性，这些人群被确定为更容易患精神病，而无论诊断协议。这可能对帮助专业人员在症状开始显现之前预测精神病至关重要，因为语言的细微变化甚至可能在症状完全发作之前就指出了这一点。

我们设想将这些技术应用于精神卫生专业人员的未来，并最终使他们能够更智能，更有信心地完成工作，并能够使用正确的数据有效地治疗越来越多的患者指尖。