普通的心理诊疗，医生首先要对病人的精神情况进行初诊，通过数次类似心理采访的直觉来判断症状，凭经验诊断出精神疾病种类，然后对症拟定治疗方案，包括使用何种药物、多大药量等。然而受医生主观判断和经验的限制，可能在诊断上出现错误，导致迟迟不能确诊，或者不能正确判断用药种类和剂量，耽误病情。
在这个机器学习大行其道的时代，人工智能在精神病医学上的应用愈加广泛，而且在诊断和治疗的阶段都有介入。人工智能在实验中表现出相当高的判断准确性，有超过人类的趋势，并有望在未来精神疾病诊疗中起到重要作用。
不过，如果要用人工智能辅助精神疾病的药物干预，必须要进行详细研究、验证。例如，虽然用语言分析技术诊断精神分裂症已被证实有相当高的准确性，但这也仅是一次试验的结果。况且，至今没有人对抑郁症和躁郁症的症状建立相应模型。
AI用到实践中依然是长路漫漫，尤其对精准性的要求。Siri在识别苏格兰口音上总出问题，这也许是无伤大雅，但在医疗领域，小错误却会造成毁灭性的后果。“如果有种技术有20%的出错率（或者80%的正确率），我是绝对不会把它用到病人身上的。”哈佛大学教授Vahabzadeh说。
再加上年龄、性别、种族、地区等因素，人工智能带来的风险就会更大。如果一个人工智能系统的数据来源人群都是属于同一人口统计学类别的，再去测试其他人群，即使是正常样本也会被误判。“有些特定的族群，说话的声音比较轻柔，或者有的人因为生理因素，活动量受到限制，那么人工智能把他们误诊为抑郁症也是情有可原的。”要加强机器学习在精神疾病中的应用，目前只有通过更大的人类行为数据库来提供更多的“训练”。也许在不久之后，人工智能科技就可以解决精神疾病诊疗人员短缺的现状，并极大地削减人力成本。
尽管如此，目前市面上已经出现了一些比较不错的利用AI辅助精神疾病诊断的方案。动脉网（