- 精神科数据集与评测基准
- 多模态心智模型研发
- 临床科研共建与联合实验
- 学术成果转化支持
Research & evidence硬核科研实力
硬核科研实力
以临床研究，推进心理健康 AI
面向心理健康研究与实践，研发模型、数据集与评测工具。
一临床数据与研究数据集
5,000+
真实医患问诊对话
依托三甲精神卫生中心真实门诊数据，构建高纯度、高贴合临床场景的训练数据集，模型能力更贴合真实诊疗场景。
16K
合成精神科问诊对话
LingxiDiag-16K 包含与电子病历（EMR）对齐的合成问诊对话，用于中文精神科 AI 评测。
12 类
覆盖 12 类 ICD-10 精神疾病
LingxiDiag-16K 的评测数据覆盖 12 类 ICD-10 精神疾病；数据集覆盖范围不等同于模型已验证的临床能力。
二精选研究成果
LYNCIA
评测基准精神科 AI 评测
LingxiDiagBench 评测基准
首个中文精神科问诊与诊断多智能体评测框架
LingxiDiagBench 评估现有大语言模型的精神科诊断准确率，支持中文静态诊断评测与动态多轮问诊。核心数据集 LingxiDiag-16K 包含 16,000 段与电子病历对齐的合成问诊对话，覆盖 12 类 ICD-10 精神疾病。
关键发现
- 抑郁—焦虑二分类任务最高准确率为 92.3%
- 共病识别准确率仅 43.0%，揭示重要研究方向
- 12 类鉴别诊断准确率 28.5%，动态问诊挑战显著
LYNCIA
临床研究精神症状识别
大语言模型精神症状提取研究
基于真实医患对话的 LLM 辅助精神科诊断
研究纳入 1,160 位抑郁障碍与焦虑障碍门诊患者的音频录音，利用大语言模型提取症状并评定量表，再以集成学习进行分类和十折交叉验证，探索真实临床对话中的精神症状识别。
关键发现
- 系统整体临床标注识别准确率达 86.9%
- 焦虑症状识别准确率 74.7%，抑郁症状 77.2%
- 微调 LLM 显著优于零样本 LLM 和传统 BERT/RoBERTa
LYNCIA
方法框架循证精神科问诊
MIND：循证精神科问诊
将多轮问诊从“对话生成”转化为“显式临床状态决策”
MIND 将已观察证据、待核查标准、鉴别诊断、标准关联支持与可靠性信息组织为统一状态，用于问题选择、奖励计算和问诊轨迹修正。研究面向筛查级决策支持，不用于自主诊断。
核心亮点
- 五类证据状态支撑多轮问诊决策
- 将检索支持纳入临床状态构建
- 统一问诊策略、过程奖励与轨迹修正
LYNCIA
数据集诊断对话数据集
MDD-5k 诊断对话数据集
以神经符号多智能体生成精神科诊断对话
基于 1,000 份真实匿名病例，通过医生与患者智能体交互及动态诊断树控制，构建 5,000 段中文诊断对话，为精神障碍诊断模型研究提供带标签的数据。
核心亮点
- 以匿名病例为基础生成多样化对话
- 动态诊断树约束对话流程
- 包含诊断结果与治疗意见标签
LYNCIA
数据集与方法精神科共病诊断对话
PsyCoTalk 共病诊断对话
从合成病历到临床规范驱动的多轮问诊
研究结合 502 份合成电子病历与多智能体对话生成，将临床访谈流程转化为分层状态机和上下文树，构建经精神科医生验证的 3,000 段共病诊断对话。
核心亮点
- 覆盖精神科共病场景
- 支持超过 130 个诊断状态
- 用于多病种筛查模型的开发与评估
灵溪心智大模型
认知与情感，双系统协同
以逻辑推理理解问题，以情感共知理解人。
前额叶 安全与人本监督
- 识别 11 类危机信号
- 按风险等级进行转介路由
左脑 逻辑推理
- 症状识别：138 项临床特征编码为 276 维表示
- 诊断推理 CoT 与 MIND 多轮主动问诊
- CBT：从个案概念化到技术实施
右脑 情感共知
- 整合语调、表情、停顿等情绪线索
- 14 类情绪标签，1–5 级强度识别
- 识别核心信念，结合情绪疏导与共情表达
海马体 长期记忆
- 五层记忆机制，支持存储与检索
- 维持长期情境连续性
杏仁核 快速预警
- 快速侦测情绪与风险信号
- 先于前额叶完成预警触发
脑干 多模态感知
- 统一接入语音、视频和文本
- 整合生理信号等多模态输入
双系统分工不重叠、优势互补
逻辑推理精准诊断，情感共知自然共情，共同覆盖精神心理服务全链路。
全程可解释、安全有兜底
前额叶执行监督与可解释通道贯穿始终，每一步判断都有据可查、有人监督。
认知与情感能力同步进化
诊断推理、情绪识别准确率均大幅提升，且随数据积累持续迭代。
灵溪后续研究方向
以下为并行推进的研究方向，并非先后实施阶段；规划内容不代表已上线功能或已验证临床能力。
SMHC 联合研究重性精神疾病覆盖
在抑郁与焦虑研究基础上，继续探索精神分裂、躁狂、强迫症等病种的患者模拟与数据集建设。
研究范围扩展
音视频多模态研究
结合微表情、声学特征与语言信息，探索更丰富的隐性心理信号及其临床相关性。
多模态能力建设
基层医生 AI 教学实训
将科研与评测能力转化为教学工具，逐步完成科研、教学、临床与民用场景的生态连接。
教学与应用落地Institutional trust
临床与学术合作
连接临床、学术与技术团队，推进数据、模型与评测研究。
临床研究合作｜上海市精神卫生中心 SMHC
依托真实临床场景持续共建精神科数据集，并参与模型临床验证与伦理合规流程，支撑研究成果向医疗级应用转化。
学术研究合作｜天桥脑科学研究院 TCCI
依托国际脑科学学术网络，产出多篇顶级期刊成果，筹建国际 SAB 学术委员会，把控前沿科研路线。
模型研发｜多模态心智大模型
面向精神心理场景开展全链路专属训练与评测，并依托自有算力中心支持数据治理、模型训练、推理服务与持续迭代。
行业标准共建｜中国信通院 · 国家心理健康和精神卫生防治中心
围绕精神心理健康 AI 的评测框架、技术规范与场景验证，共同推动科研指标走向可复用、可验证的行业标准。
Open collaboration开放生态合作
开放生态合作
共建精神心理健康 AI 新生态
开放数据、技术、科研与应用场景合作，携手机构与学者推动行业规范化和循证化发展。
医疗机构合作
开放临床数据共建、RCT 临床试验、AI 辅助诊断落地、精神科智能场景联合搭建。
高校科研合作
联合课题研究、学术论文共创、数据集开放共享、AI 精神医学联合实验室共建。
行业生态合作
参与 LingxiDiagBench 评测基准的持续建设，贡献标注数据、评测方案或评测工具，共同推动行业标准的形成。
厦门市思明区教育局