《IEEE Circuits and Systems Magazine》：Digital Group Therapy: Interdisciplinary Challenges and Opportunities for Biomedical Circuits and Systems
编辑推荐：
数字群组治疗（Digital Group Therapy, DGT）将临床导向的群组心理治疗与连续多模态感知、边缘人工智能（Edge AI）分析以及在线交互平台相融合。本文综合了在IEEE CASS数字群组治疗研讨会上呈现的五个研究视角：群组过程的神经动力学建
数字群组治疗（Digital Group Therapy, DGT）将临床导向的群组心理治疗与连续多模态感知、边缘人工智能（Edge AI）分析以及在线交互平台相融合。本文综合了在IEEE CASS数字群组治疗研讨会上呈现的五个研究视角：群组过程的神经动力学建模、认知工作负荷管理、下一代边缘人工智能可穿戴设备、群组行为的博弈论建模，以及受物理学启发的社会交互模型（社会物理学/社会物理学）。研究人员将DGT框架化为一个开放的、多层级的系统之系统（system of systems），其中神经、生理、认知与社会动力学在持续反馈作用下协同演化。随后，该框架与近期关于在线及混合现实群组治疗和网络输送的认知行为治疗（Internet-Delivered Cognitive Behavioral Therapy, iCBT）的证据相联系，并与经典及现代的社会物理学与观点动力学研究建立关联。由此产生的架构视角揭示了在可扩展信号采集、鲁棒边缘智能、人在回路适应性调节以及闭环DGT干预验证等方面存在的具体电路与系统挑战。
数字群组治疗（Digital Group Therapy, DGT）作为临床医学、社会物理学、博弈论、电路与系统以及人工智能交叉融合的新兴领域，正逐步从传统的"视频会议式治疗"向一种集成的赛博-物理生态系统演进。本文基于2025年10月19日在阿拉伯联合酋长国阿布扎比哈利法大学举办的IEEE CASS数字群组治疗研讨会上呈现的五个核心视角，系统阐释了DGT的多层次系统架构及其面临的跨学科研究挑战。
从研究背景来看，群组心理治疗一直是抑郁症、焦虑症、创伤相关障碍及人格障碍的核心治疗模式。近期系统性综述表明，经精心设计后，在线群组心理治疗可达到与面对面治疗相当的效果。与此同时，网络输送的认知行为治疗（iCBT）在引导性和非引导性形式上均已展现出规模化应用的有效性。然而，传统的在线治疗多局限于视频会议的简单迁移，未能充分利用数字化技术的潜能。数字群组治疗旨在突破这一局限，构建一个融合传感化参与者、人工智能增强引导、混合现实（虚拟/物理）环境以及纵向分析技术的生态系统。从受物理学启发的视角审视，DGT可被理解为一种受引导的开放系统，其中感知、反馈与引导机制协同作用，抑制适应不良熵增（entropy growth），引导治疗中的群组远离碎片化状态，趋向社会与情感的平衡稳态。
该研究的重要意义在于，群组治疗本质上是一种非平衡态过程——缺乏结构、注意力和引导时，群组互动倾向于失序，表现为脱离、极化或脱落。DGT通过引入类同于物理系统中控制输入的感知与反馈机制，塑造朝向稳定治疗平衡态的轨迹。这一框架不仅为心理治疗领域提供了技术赋能的新路径，更为IEEE电路与系统学会（CASS）研究人员在生物医学电路、边缘智能和平台设计方面开辟了具体且富有社会影响力的研究方向。
在技术方法层面，研究人员为开展此项研究主要运用了以下几项关键技术路径。第一，基于神经动力学（neuro-dynamics）的群组过程建模，通过嵌入式低功耗传感（如可穿戴心电ECG、脑电EEG、光电容积脉搏波PPG、皮肤电活动EDA等）采集时间对齐的多模态数据流，以检测共享情绪唤醒与调节水平、识别脱离或超负荷参与者，并刻画群组叙事中的"转折点"。第二，认知工作负荷管理技术，将DGT框架为人机自动化系统，通过多模态监测（结合眼动追踪、心率变异性HRV、运动状态及交互日志）进行工作负荷估计，进而实现适应性界面与内容调制以及临床医师监督的多目标优化。第三，博弈论建模技术，将参与者与治疗师形式化为博弈中的玩家，构建包含策略选择（如披露水平、参与度、合作程度等）与收益矩阵（如情感支持、个人满足感、心理健康改善等）的交互模型，分析纳什均衡（Nash equilibrium）、贝格均衡（Berge equilibrium）、斯塔克尔伯格均衡（Stackelberg equilibrium）及联盟博弈（coalitional games）等不同解概念在DGT情境中的含义。第四，社会物理学与观点动力学模型，借鉴统计物理学工具（如费米-狄拉克分布Fermi-Dirac-like distribution、熵、相变等），将二元决策映射为复杂网络上的相互作用"自旋"，用以描述参与-部分参与-退出的动态转换、竞争性情境的演化以及碎片化或凝聚态的量化。第五，边缘人工智能可穿戴设备架构，基于瑞士联邦理工学院（EPFL）嵌入式系统实验室（ESL）的领域特定软硬件协同设计经验，集成多模态传感器、高性能处理器与硬件加速器、轻量化算法及先进连接性，实现端侧特征计算与推理。
研究结果部分，按照原文结构分述如下。
在"神经动力学建模"部分，研究人员指出有效的群组过程与脑间同步（inter-brain synchrony）及共享自主神经模式相关。DGT通过嵌入低功耗传感扩展了这一范式，时间对齐的多模态数据流可支持以下任务：检测共享情绪唤醒与调节；识别脱离或超负荷的参与者；表征群组叙事中的"转折点"。数据采集后的处理与前端的低延迟、低功耗挑战，以及群组层面的耦合振子模型和状态空间模型等，构成了该方向的关键技术难点。
在"认知工作负荷管理"部分，研究人员将DGT视为一个人工自动化系统，其中认知工作负荷与效率必须持续平衡。过度的工作负荷损害决策质量与依从性，而负荷不足则导致厌倦与注意力不集中。DGT引入了额外的复杂性层级，参与者需管理自我披露、关注他人并操作数字界面，且常与适应性人工智能组件交互。认知超载可被解释为向群组系统快速注入"噪声"，而持续的低负荷则对应于通过脱离和注意力漂移导致的熵累积。关键研究方向包括：群组认知负荷的感知、基于工作负荷估计的适应性会话编排，以及在闭环DGT系统中平衡治疗深度、工作负荷与安全的多目标优化。
在"群组动力学的博弈论建模"部分，研究人员形式化了DGT中的策略互动。参与者（患者和治疗师）在治疗师设计的激励机制下选择披露与支持策略，通过数字平台实现交互。收益函数描述了参与者追求的目标，如获得情感支持、帮助他人的个人满足感、心理健康改善或压力焦虑减轻等。纳什均衡描述了患者和治疗师均无意单独改变自身行为的状态；而囚徒困境（prisoners' dilemma）的类比揭示了合作与背叛策略的张力。贝格均衡则刻画了患者专注于帮助他人的利他行为，可实现社会最优。斯塔克尔伯格均衡允许设计领导者-跟随者结构的DGT，其中治疗师扮演领导者角色。联盟博弈可用于评估玩家在策略互动中的影响力，识别对治疗积极结果贡献最大的患者。
在"数字群组治疗的社会物理学"部分，研究人员借用了物理学的概念框架来理解社会系统的演化规律。社会物理学提供了表达热力学第二定律直觉的自然语言：缺乏规制时，社会系统趋向于无序、碎片化或极化，而结构化互动可维持亚稳态的凝聚状态。二元决策（如分享与保留）被映射为复杂网络上的双态系统，群体被表示为相互作用的"自旋"。统计物理学工具用于研究需求分布、极化现象和共识形成。对于DGT平台，这揭示了新的控制节点，如分组讨论室的结构、聊天频道的可见性以及对同伴交互的推荐，这些可调节因素有助于群组向支持性和亲社会均衡态收敛，而非陷入回声室或冲突陷阱。
在"边缘人工智能可穿戴设备"部分，研究人员呈现了下一代边缘人工智能可穿戴设备的发展路线图。相关感知模态包括生理信号（脑电EEG、光电容积脉搏波PPG、心电ECG、皮肤电活动EDA、呼吸）、运动信号（惯性测量单元IMU、姿态）和情境信号（麦克风特征、交互事件、智能手机使用）。DGT对该类设备提出了严格的约束条件：隐私保护分析（偏向端侧特征计算与推理而非原始数据流）、跨参与者与文化背景的个性化与泛化平衡，以及纵向监测的电池寿命与佩戴舒适性。从社会物理学和信息论视角看，将推理与特征提取推向DGT架构的边缘，可限制信息的无控扩散，有效约束与延迟、数据过载和隐私泄露相关的熵增长。
在"系统之系统架构"部分，研究人员将前述五个视角整合为一个多层级系统之系统架构。该架构贯通神经动力学、认知工作负荷、边缘人工智能、博弈论建模和社会物理学等层面，将感知、推理、社会动力学与临床结局相联结。这一架构强调DGT并非单一算法，而是交互子系统的生态系统，各层级及其接口处均存在设计问题，可被解读为一种熵调控架构，其中感知、推理与引导形成反馈回路，在神经、认知、社会和技术层面抗衡失序。
在"近期数字与在线群组治疗证据"部分，研究人员将研讨会主题置于更广泛的文献背景中。Andrews等人的2024年系统性综述识别了在线群组心理治疗中的群组规划、微技能、伦理和技术特定问题。Laurito等人聚焦焦虑、强迫和创伤相关障碍的在线群组治疗，得出网络和面视频会议的认知行为治疗组在结构设计恰当时可与面对面干预相当。Tayyebi等人证明基于虚拟现实认知行为群组治疗（VR-CBGT）相较于常规护理可改善帕金森病患者的情绪健康与生活质量。Arnfred等人在SoREAL试验中比较了VR群组暴露与现场暴露对社交焦虑和广场恐惧症的效果。Bouguettaya等人综合了扩展现实（XR）改善群组治疗有效性和动力学效果的证据，指出需解决延迟、具身性、隐私和运动不适等技术与伦理约束。Karyotaki等人的大样本个体参与者数据网络荟萃分析表明，引导性和非引导性iCBT均优于对照条件，引导性治疗产生更显著的短期改善。
在讨论与结论部分，研究人员系统梳理了跨领域的研究挑战。从信号到治疗性构念的转化方面，需要协调神经、自主神经和行为同步的联合建模、缺失或损坏数据下的鲁棒估计，以及针对临床金标准的验证。安全关键的人机回环控制方面，要求控制器对治疗师可解释、设计覆盖机制和故障保护、并将在线群组治疗的伦理准则纳入系统规范。激励设计与公平性方面，需研究促进公平参与和支持的机制，防止仅奖励健谈参与者等加剧不平等的设计，并抵制欺凌和错误信息等有害行为，同时要能应对匿名或假名设置中的策略操纵。可扩展性与分布式智能方面，人口规模的DGT需要高效的硬件加速器以支持端侧推理、跨诊所和区域的联邦及隐私保护学习，以及连接可穿戴设备、XR平台和临床信息系统的互操作性标准。
综合而言，数字群组治疗代表了一类新兴的熵感知型赛博-物理干预，其中电路、算法与人类引导共同维持固有噪声社会系统中的治疗性秩序。IEEE CASS研究人员在推动此类系统有效、安全、公平地投入实际应用方面，具有不可替代的技术优势和社会责任。
