AI赋能的多模态分析揭示急性冲突中心理健康的非线性适应机制：以黎巴嫩2024年战争为例

《Scientific Reports》：Isolating the exposomic impact of acute war and displacement within chronic crisis using multimodal, AI-enabled phenotyping

　　

摘要

战争往往在长期不稳定的背景下展开，但目前尚不清楚急性冲突如何与累积的暴露逆境相互作用以影响心理健康过程。在此，我们研究了黎巴嫩样本中三个群体的临床和亚临床症状——一组在 2024 年战争前评估，两组在战争后评估（无论是否流离失所）——这些群体均处于共同的慢性危机背景下。采用一种结合临床评估、叙事编码以及对生活故事的大规模语言和情感画像分析的多模态、AI 赋能方法，我们表明心理健康负担并不会随着急性战争或流离失所而线性增加。尽管累积暴露更高，但战时群体的创伤后应激障碍（PTSD）或抑郁症症状并未高于战前参与者，且非流离失所者的韧性最低。相比之下，叙事组织呈现出非线性的重组：流离失所与时间结构增强但全局因果连贯性降低相关，而未经流离失所的急性战争暴露则增强了自传体推理和显性自我改变。基于 AI 的分析进一步揭示，表现为情感钝化而非情感过载，同时语言复杂性增加，但与症状严重程度脱钩。通过实现生活叙事的可扩展分析，该方法区分了急性与慢性影响，并揭示了仅靠症状测量无法捕捉的亚临床适应，这可为冲突受影响地区的医疗保健和政策提供依据。