人工智能时代音乐疗法的创新发展

■文/裴冠雄 李太豪 汪严磊

音乐疗法是一门集音乐学、心理学和医学为一体的综合性交叉学科。在人工智能的赋能下，音乐治疗技术在“诊断—治疗—评估”的全过程有了创新性发展。

音乐疗法（Music Therapy）诞生于1940年的美国，并逐步发展成为一门集音乐学、心理学和医学为一体的综合性交叉学科，是音乐在艺术欣赏和审美领域之外的重要应用。用音乐调治身心是我国传统的怡情养性之法，西方国家也将其作为一种临床治疗方法广泛应用于精神病治疗、老年陪护、特殊教育、胎教早教、美容驻颜、睡眠减压等领域。

音乐疗法对个体的干预依托于音乐的4 种基本功能。一是生理共振作用。音乐可以通过大脑边缘系统调节躯体运动、自主神经及大脑皮质，同时作为一种声波，可以与个体的生理频率发生共振并加强神经元之间的联结。二是心理共情作用。音乐能够以一种非语言化的方式直接影响个体情绪，并创造意向世界与想象空间。三是社会共融作用。音乐能够提高人际交往能力、语言沟通能力和自我克制能力，影响人与人之间的关系。四是审美共享作用。美的音乐可以唤起美的体验，唤醒内心积极的力量，使个体享受生命的历程。基于音乐的四大功能，现有的传统治疗手段主要包括接受式音乐疗法、再创造式音乐疗法、即兴演奏式音乐疗法等。

尽管音乐疗法的效果得到了普遍认可和接受，但是其现有的技术手段仍然存在靶向不准（缺乏病理针对性，忽视个体差异性）、费时费力（人工成本高、场地受限）、专业性低（疗效评估指标不成体系，也不够客观）和隐私泄露等方面的缺陷。自然语言处理、机器视觉、语音识别等领域的高速发展为音乐疗法“诊断—治疗—评估”的全过程创新提供了思路。

症状诊断：AI“心理医生”多模态情感对话系统

音乐疗法要做到精准施策，首先必须进行“望闻问切”。通过建构AI 多模态情感对话系统，关联语言、面部表情、肢体动作等多方面的信息，基于语音识别模型、意图识别模型、多模态情感计算算法、闲聊模型、心理咨询自动问答、语音合成技术等，在人机交互过程中建立起立体的个人画像，包含用户社会属性、心理特征、行为特征、生活习惯、兴趣爱好、患病成因等，抽象出一个标签化的患者模型。同时，基于预训练的语言表征模型（BERT）的边界增强神经网络分类算法，对以往心理疗法的案例进行处理，建立专病知识图谱，从而使患者模型与专病对应策略形成映射关系，自动生成个性化的音乐治疗计划，可广泛应用在心理疾病初诊或远程诊断领域。同时，AI 多模态情感对话系统也可以辅助医生开展更加全面的病情分析，确定患者心理问题诱因，以及是否存在症候叠加，为音乐处方的开具提供依据。

精准施策：靶向音乐治疗系统

音乐处方对临床治疗起着关键性作用，其优化主要包含两个方面的内容。一是对功能性音乐本身的系统整理和分类。首先，应该建立中华音乐疗法资源库，特别是充分利用丰富的中国民歌和戏曲艺术资源，可以与通俗歌曲、古典音乐等形成有益的补充。其次，根据节拍、律动、流派、和声、乐器、情绪等构建分类器，面向不同的心理治疗用途，如躯体放松功能、场景描述功能、情感情绪功能等，实现对症下“乐”。二是对音乐疗法的技术手段进行改进，如通过语音合成技术进行指导语声音塑形、通过自然语言处理方法进行歌曲填词技术的优化、通过音乐合成技术对器乐即兴演奏过程进行优化、基于计算机仿真系统辅助歌曲演唱中的呼吸训练、依托生成对抗神经网络（GAN）创作个性化歌曲等。

疗效评估：主客观联合评估系统

当前，对音乐疗法的效果评估主要体现在医生对患者的行为观察和量表评估上，评估过程带有较强的主观性和经验性。评估应该借鉴循证医学的核心思想，也就是在医生经验和患者主观报告的基础上，更加强调医疗决策中最佳外部证据的运用。一方面，借助机器学习和自然语言处理的方法，（半）自动化完成海量文献的荟萃分析（Meta 分析），找到疗效评估最有效的证据。另一方面，运用传感器获取个体的行为轨迹（如眼动、面部肌肉运动、肢体行为等）、记录人体的生理指标（如脑电、心率、肌电、呼吸的变化等）并开展数据分析，可以得到科学的、客观的、可量化的临床症状改善评估结果，解决了事后报告、社会期许偏差、主观性强等问题。

随着中国经济的蓬勃发展，产品迭代、业态升级、模式变革、科技创新等加速演化，广大社会生产的参与者在享受发展红利的同时，也面临巨大的工作和生活压力，出现心理疾病的风险呈加速上升趋势。人工智能时代的到来为降低音乐疗法的成本而广泛普及提供了可能。音乐疗法不仅可以应用于临床患者，而且可以作为一种常规的预防保健手段，应用于心理亚健康人群，有助于实施“健康中国行动”和实现2035年远景目标，以及贯彻我国卫生健康领域“治病于未病”的思路。