从识别症状到“读懂人心”，医疗级心理AI在等一个“iPhone时刻”

撰稿｜王鑫雪

大模型热潮席卷医疗行业数年之后，精神心理——这个长期被供给短缺困扰的学科，正在成为AI落地最深、也是追问最多的场景之一。

一方面，AI已经渗入评估、诊断辅助、干预与随访的全流程，数字疗法等新形态产品开始叩开院内准入的大门，商业化的触角也从医院延伸到校园、企业与社区；另一方面，“AI能否真正读懂人”的疑问从未停止。因为，它虽然能识别得出症状，却未必理解症状背后的动因；它虽然能输出体贴的话语，却依然难以替代诊室里人心与人心的温情链接。

对此，为理清心理AI的发展现状、边界及未来市场机会，动脉网联合微解药举办「中国创新医疗资产会客厅」交易圆桌派第二十八期，并邀请到了南通投管投资总监赵裕旭，望里科技合伙人陈璐，绿叶医疗集团执行主席管理助理、战略总监兼曼朗医疗副总裁丁立为，以及观心实验室CEO韩智其，就心理AI的能力边界、商业落地情况、资本估值估值和未来图景展开了深度对话。

01

提质增效、效果外化，

就是核心价值

现阶段AI对心理健康领域的赋能，不只是实现“提质增效”。

在丁立为看来，AI正在对这一产业带来三个层面的重构——从诊室里的流程，到诊室外的医患关系，再到整个行业的服务模式，层层递进。

第一个被重构的，是心理健康的服务流程。在传统的心理健康诊疗中，信息的搜集、量表的评估、病历书写等工作会占据医生大量时间，而真正用于治疗和与患者开展有效对话的时间却较少。

通过AI工具，医生在诊前即可让患者完成结构化的心理评估与症状采集，并基于AI生成的评估报告提前了解患者情况，降低前期沟通的时间与精力成本，让医生将有限的时间聚焦在更为核心的诊疗判断和方案制定上。

“经过我们实测，患者的平均接诊时间并没有缩短，但有效对话的时间却大幅提升。这意味着，在同样的时间里，患者得到了更多实质性帮助。”丁立为表示。

流程之外，医患关系也随之改变。在过去，患者每次就诊之间的状态，医生无从知晓，患者也无渠道告知。而在AI工具的支持下，患者可以记录日常情绪与状态波动、完成线上干预或作业练习；医护人员可据此及时了解患者所处状态，进而将被动等待式的复诊，变为主动持续的管理。

而与服务流程、医患关系重构相伴发生的，还有服务模式的重构——这也是最具产业想象力的一层，因为它直击这个行业最核心的痛点：优质医疗资源的供给不足。

AI工具的应用，一方面提升了医生工作效率，将其从繁琐且重复性事务性文书工作中释放出来；另一方面，也让产业各方有机会据此构建一套各方联动的服务网络。

以曼朗医疗为例，其构建的“家—校—医—社”协同服务网络，便针对学生群体构建了一套从预防到筛查、从基础服务到院内深度服务的心理健康服务体系，不仅有效弥合了此前各服务环节之间的“断点”，也提升了各项服务之间的协同效率。

望里科技合伙人陈璐则从技术演进的视角给出了呼应。在她看来，近年来大语言模型的浪潮兴起，已让AI的文本、语音，或其他数据处理与理解能力有了明显的飞跃，进而可支撑症状识别、标签识别乃至各类陪伴式、倾听式、理解式话术输出等功能的实现。这为AI在心理健康领域的应用奠定了优质的基础。

换言之，赋能的前提已经具备，但接下来更关键的问题在于，如何把基础能力转化为真实可感的诊疗价值。因为在真正的临床判断里，共情的时机怎么把握、来访者的阻抗要怎么处理、治疗关系出现裂痕后怎么修复……这套底层逻辑如果无法被重新拆解、重新表达成计算机能理解的东西，那么模型再大也是在错的方向上使劲。但反过来，这种对治疗逻辑的重新理解，如果没有真实的患者交互数据、没有足够的结局数据去验证和打磨，也终究只是纸面上的假设，没法变成真正能持续学习、能规模化服务患者的系统。

这两者更像是同一个循环里彼此咬合的两端：对治疗本质的理解决定了该采集哪些数据、该如何设计推荐引擎；而数据和工程能力又反过来不断验证、修正这套理解。因此，必须有对治疗逻辑的深刻理解与大量数据标准采集的极致投入，才能真正输出有疗效的价值。

而针对AI对心理咨询场景中的重构，观心实验室CEO韩智其从其自身实践中给出了答案。秉持“AI托举人”的理念，其打造的“咨询师驾驶舱”会在咨询过程中不断提醒咨询师：这位来访者是什么样的特质、什么样的问题、应该用什么样的疗法。咨询结束后，AI还会自动生成逐字稿与咨询报告、进行要点复盘，助力咨询师水平提升。

与此同时，随着十几万小时咨询数据的积累，观心实验室还希望沉淀出案例数据库，并据此探索新的治疗通路。在韩智其看来，这正是AI应用的主要价值之一——效果外化：在收费相同的情况下，如果能把原本需要二十次的咨询压缩至十次，且治疗效果更好，这就是AI在心理健康产业应用的最大价值。

不过，上述赋能大多发生在“流程”层面；一旦触及“理解人”本身，AI的能力边界便显露出来。

02

识别症状已不是难事，

但仍难以理解背后动因

无法感知患者那些未说出口的话语和情绪，也难以理解心理疾病和症状背后的成因，是现阶段AI在心理健康应用的主要瓶颈之一。

在心理健康诊疗过程中，患者“说出口的部分”往往最为容易，“未说出口的部分”往往更难。因为未说出口的那部分往往代表着回避、犹疑甚至是试探。

基于大量案例的积累，资深咨询师往往能够基于患者的肢体语言、欲言又止和对患者以往的了解，判断自己是否与患者真正产生了链接、技术是否匹配、方案是否有效。

但AI难以做到。而难以做到的核心原因，与数据的三重困境有关。

首先，精神心理疾病带有明显的主观性，由此可能导致同样的病例出现诊断不一致的情况；其次，心理问题是连续谱系，而动态过程远比静态影像难以捕捉和刻画；最后，不同的语言表达习惯可能会让同一个病症以完全不同的面目出现，一旦只依靠某一地区、同一表达习惯的数据开展模型训练，模型的泛化能力将极为受限。

丁立为分享的一个案例，便是最好的例证。在澳大利亚，患者通常会直接说"I feel depressed" "I'm anxious"；而在中国，尤其是年长、病耻感较高的患者，往往会采用“我头痛”“睡不着”“胃里胃绞痛”这类间接的描述方式。如果直接套用西方数据集训练的情绪识别模型，模型可能会出现病情遗漏。

观心实验室的实践，则揭示了另一重现实约束——实时性的算力瓶颈。韩智其坦言，他们曾尝试在咨询过程中让AI实时分析并提醒咨询师。但灰度测试后发现，过于频繁的提醒反而会打断咨询师的思路，且无论是算力、网络还是token消耗，都难以支撑实时的多模态深度识别。因此，观心最终选择把声纹识别、表情识别等多模态深度评估移到咨询结束之后进行，再反哺前端训练。这意味着，在“读懂人”这件事上，技术的步子远比人们想象中要慢。

好在，行业也正在探索相应的解法。例如，让多模态数据由有资质的医生进行交叉标注，以及设立多临床中心、引入不同地区医生的诊断视角等。

03

B端更为成熟，

C端仍需培育

现阶段医疗级心理AI的商业化路径主要沿着两条交叉主线展开：一是场景维度，即是选择深耕院内还是拓展院外；二是支付维度，即服务B端还是直面C端。

而在场景这条主线上，望里科技与观心实验室分别提供了深耕院内和布局院外的范本。

其中，望里科技走了一条最重的路——拿到医疗器械注册证，深耕院内市场。2026年年初，其治疗抑郁症的数字疗法产品“望里暖阳”，拿下了国内第一张精神心理数字疗法三类证。尔后，这款产品获得指南推荐并被纳入院内支付，截至目前已覆盖16个省的100多个城市。

这条路径能否复制到其他适应症？陈璐给出了三个前提：其一是治疗方式要处于临床推荐一线；其二是要有循证范式和评估终点；其三则是要有足够大的患者人群。据此，焦虑、失眠被认为是最适合优先拓展的方向。

但陈璐也强调：“一款真正好的产品，一定不是单一解决某一个环节和一类人群的问题，而是针对不同场景下、不同诉求，所找到的最为合适的解决方案。”

而选择深耕院外的观心实验室，则选择从患者扩展至全人群，从治已病到防未病。这家成立第二年便实现盈利的企业，计划将手环、脑环、指环等硬件接入服务体系，把心理服务能力内置到硬件端。但韩智其强调，观心实验室仍会坚持严肃医疗的品牌属性，而非滑向消费级陪伴产品。

至于ToB or ToC，丁立为则给出了非常直白的判断：现阶段ToB的商业闭环最容易跑通，ToC则需要等AI能力进一步提升、能充分满足用户需求后再跟进。

原因在于，B端付费方及付费逻辑更为明确——企业通常以年框采购心理健康服务，衡量指标通常是缺勤率、危机事件发生率等可量化的理性指标；而C端是用户个人“为体验买单”。但“体验”本身是感性指标，不仅难以量化，更难以持续。因此，即便在今天付费意愿有所提升，也仍难跨越“愿意付费与实际付费之间的鸿沟”。

04

不要用互联网产品思维

去理解医疗级心理AI产品

“当前资本市场对心理AI企业的估值逻辑存在偏差。”

直播中，丁立为坦言，“因为当前仍有部分投资机构在用传统SaaS或互联网产品思维去理解这一赛道。”

具体表现为：其一是过度关注用户规模与增速，忽视临床证据的含金量。但精神心理不是传统意义上的社交APP，用户多并不等于壁垒高；是否经过临床验证、是否完成RCT、是否拿证、是否被指南推荐，才是产品真正的壁垒。

其二是把消费级工具与医疗级产品放进同一个估值框架。对话型心理工具的商业模式是C端订阅、ARPU与流失率；而医疗级产品走院内处方路径，有明确的医保支付闭环，收入更稳定、确定性更高——两者估值逻辑完全不同。

其三是忽视合规壁垒与数据资产的长期价值。心理数据是敏感个人信息，受个人信息保护法、精神卫生法等约束，能否在合规框架下采集、清洗、存储本身就是门槛；靠公开数据或用户自填问卷训练出来的模型，与真实临床沉淀的数据资产，价值完全不同。

在此基础上，丁立为认为，医疗级心理AI产品与企业的估值考量应涵盖四个方面：其一是临床证据的层级，包括论文、RCT评估、注册证与指南推荐；其二是数据资产的深度，包括数据规模、数据模态与数据的连续性；其三是商业闭环的确定性；其四则是团队画像，能否支撑心理AI这一综合领域的创新产品开发。

而已完成多轮融资的望里科技对此也体会颇深。陈璐回忆，在拿证之前，彼时投资人追问的是“什么时候能拿到背书”；拿证之后，关注点随即切换为产品上市后的表现、渗透速度与商业化路径。“拿证是一个里程碑，商业化是下一个里程碑，产研创新也不能落下。”在她看来，医疗级心理AI的创新不是用户量堆积的消费级故事——上市后的商业化表现、长期的技术壁垒、更长期的企业愿景，均需要更多的耐心去规划、去实践。

韩智其的态度则更为犀利。在他看来，与成熟大企业拥有营收、利润等明确的衡量指标不同，针对初创企业的估值确实存在“梦想有多大，估值就有多大”的叙事。但与此同时，他也强调，仅靠一个创意就能融资17亿美元的梦幻故事十分稀少，可遇而不可求。对大多数企业而言，“尊重时间，尊重经营”，靠积累去吃时代的红利和复利，才是常态。

05

不是让AI替代人，

而是让人更好地理解人

“如果有一天，心理AI真的从‘机械应答’迈入了‘人本洞察’时代，你觉得标志性事件会是什么？”

针对这个极具想象力的问题，丁立为押注了制度认可。他给出的第一个标志性事件，是一款AI产品真正进入国家级诊疗指南。因为这意味着AI不再只是辅助工具，而是被正式承认为诊疗体系的一部分；第二个事件，则是AI心理评估被纳入医保支付。因为这意味着AI不仅获得了学术认可，也获得了市场认可。换言之，在他看来，当AI生成的评估报告和干预记录能够作为医保项目被定价和支付时，商业闭环才算真正跑通。

韩智其则将目光投向硬件设备。在他看来，正如就像当年的iPhone引爆移动互联网医疗一样，心理AI的爆发也可以由一台硬件设备来引爆。但对于这台设备的具体形态，韩智其认为“现在下定论还为时尚早，可以是机器人，也可以是脑机接口。”此外，在硬件设备的基础上，还需建立一套防诱导、防成瘾、防范衍生社会问题等配套保障机制。

陈璐的补充则把视线拉回到产品与伦理的细节。在她看来，心理问题从来不是能用单一方案覆盖的简单病种。不同疾病有不同的诊疗指南、不同的亚型分类，用户的真实需求更是千差万别。

因此，做产品绝对不能拍脑袋空想一个“改变世界”的宏大场景，而是必须按不同管线深耕打磨，完全顺着医疗逻辑，把评估、诊断、治疗每个环节都拆透做扎实。而在这条路径里，合规拿证是最核心的硬门槛——它是你能真正进入临床场景、获得医生和患者信任的关键入场券，价值实打实看得见。

“作为从业者，我们不能为了AI而AI，而应保持初心、以解决问题为出发点。”陈璐表示。

正如嘉宾们反复强调的那样——AI在心理健康领域的终极价值，不是让AI替代人，而是让人更好地理解人。

*封面图片来源：123rf

秒追医疗健康产业创新

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

点喜欢