2026年1月4日（周日），应山东第一医科大学脑科学与类脑研究院邀请，来自北京理工大学医学技术学院的胡斌教授，在山东第一医科大学脑科学与类脑研究院B109会议室作题为“人工智能与精神健康”的学术报告，系统介绍如何融合脑电等心理生理多模态信号与人工智能方法，实现情绪与精神状态的客观评估、风险预警与个体化干预调节，并结合精神障碍早期识别与闭环调控等应用场景，探讨智能技术在脑健康领域从“可感知”走向“可干预”的关键路径。报告由于广福院长主持。
一、“心理生理计算”理论基石
研究内容的核心逻辑，是以“心理生理计算（Computational Psychophysiology）”作为方法论框架，建立心理活动与生理指标之间的动态—时序关联模型：一方面通过行为/生理数据实现对情绪、认知等心智状态的客观量化；另一方面进一步走向“可干预”，通过行为与生理指标调节实现心智工作模式优化。
图一：心理生理计算理论框架
围绕这一理论框架，报告把关键科学与工程问题归纳为若干必须被解决的技术域：心理活动—生理指标的反演与多模态融合、揭示神经活动时序因果关系的计算芯片、面向情绪波动量化的实验范式，以及持续感知与干预技术体系。
二、从“反问题正则化”到“异步芯片”
在方法层面，报告强调心理活动研究本质上包含“由生理指标反推心理状态”的反问题，因此提出心理生理波动/场属性反演模型，并以Tikhonov、结构稀疏、高阶/随机动力系统正则化与分裂迭代等为代表，构建高效、鲁棒、泛化能力强的加速求解路径（Hu et al., TCSS 2022）。
图二：心理生理反问题求解模型
在硬件与系统层面，报告进一步指出人体神经活动具有“异步属性”，传统同步采集与分析难以实时精准刻画神经信号的发生与演化。因此，面向“因果关系可揭示”的目标，提出异步被动生理信号传感器与片上网络结构，并沿“低功耗—高性能—抗干扰—高时序精度”路线研发心理生理计算异步芯片；同时，给出40nm工艺流片与全异步脑电采集分析系统等工程化落地线索(Zheng et al., Nano-Micro Lett. 2025）。
三、精神健康闭环落地：识别驱动干预、评估反哺优化
该部分报告内容围绕“识别—治疗—评估”的应用闭环展开。在识别层面，面向真实场景的精神状态筛查与分型，构建多模态数据驱动的识别体系，既包括便携式三导脑电的持续采集与实时去噪、脑电网络可解释指标提取，也包括融合脑影像多视图功能网络用于抑郁辅助诊断与轻度认知障碍（Mild Cognitive Impairment，MCI） 转化风险预测，并在语音/表情等隐私敏感数据上引入联邦学习与生成模型实现跨端融合，形成移动端抑郁评估APP等低门槛筛查方案；在治疗层面，强调从开环主观介入走向可落地的闭环自适应调节，结合微分控制（Proportional-Integral-Derivative，PID）思路的神经反馈与VR集成化干预、基于心率变异性（Heart Rate Variability，HRV）的个体化运动反馈，以及音乐疗法等多路径非药物干预，实现“识别→干预→生理反馈调节”的可执行流程，并探索融合多模态行为传感与生成式AI的“元宇宙认知行为疗法（Cognitive Behavioral Therapy，CBT）”以提供实时行为反馈；在评估层面，将干预效果反馈到可解释指标体系与长期监测系统中，形成“持续监测—疗效量化—个体化参数更新”的闭环优化机制，支撑临床转化与健康管理的规模化应用。
总体而言，该报告以“心理生理计算”为理论主线，通过反问题正则化建模、异步芯片与端侧系统实现、以及精神健康“识别—干预—评估”闭环应用三条互补路径，系统构建了从心智状态量化到可干预调节的技术路径。各部分内容共同指向一个清晰结论：情绪与认知等精神状态可以被视为可反演的动态过程，借助多模态心理生理信号的可解释指标与高时序精度计算体系可实现精神疾病的稳定识别；并在此基础上，通过闭环自适应调控将评估转化为干预，再由长期监测与疗效量化反哺模型与参数更新，从而形成面向真实场景、可持续优化、具备临床转化潜力的精神健康智能评估与调节框架。
四、问答环节
Q1：为什么使用三导联脑电？
胡斌教授：选择三导联脑电主要是为了在保证关键脑区信息可获取的前提下提高临床可用性。一方面，研究目标聚焦于比较抑郁症患者与正常人之间的前额叶网络差异，三导联能够满足对前额叶相关神经活动的监测需求；另一方面，在临床应用中通道数量越多通常意味着干扰更大、操作更复杂、患者佩戴舒适度与接受度更低，从而降低可推广性。因此采用三导联作为更易落地的方案。同时，为进一步提升诊断与评估准确率，团队正在推进三导联脑电与近红外（20通道）信号的双模态融合，以利用电生理与血氧代谢信息的互补优势增强识别能力。
Q2：迷走神经调控的计算量如何？闭环做到什么程度？
胡斌教授：该调控方案的计算量不大，具备实时计算与在线运行的条件。闭环实现采用“三段式”软件流程，其关键不在于高算力，而在于选择能够敏感反映状态变化的特征用于反馈监测，例如报告中提到的“2号特征”可用于监测指标变化，具有较强可视性，并呈现与食欲及频率特性相关的模式，可作为闭环状态追踪或触发调控的候选指标。与此同时，闭环策略突出个体化，需要在调控前进行约半小时的模型训练与校准，通过对个体筛选有效参数并建立个体化有效条件（如阈值与判别规则），以提高闭环调控的稳定性与有效性。
参考文献
1.Hu B, Shen J, Zhu L, et al. Fundamentals of computational psychophysiology: theory and methodology[J]. IEEE Transactions on Computational Social Systems, 2022, 9(2): 349-355.
2.Zheng K, Zheng C, Zhu L, et al. Machine Learning Enabled Reusable Adhesion, Entangled Network-Based Hydrogel for Long-Term, High-Fidelity EEG Recording and Attention Assessment[J]. Nano-Micro Letters, 2025, 17(1): 281.
供稿：李志刚
