هوش مصنوعی در سلامت روان

با توجه به پیشرفت‌های بی سابقه و چشمگیر هوش مصنوعی در تمامی جنبه های زندگی، روانپزشکان، روانشناسان و پژوهشگران نیز متوجه شده‌اند که هوش مصنوعی می‌تواند ابزاری قدرتمند در ارائه خدمات بهداشت و سلامت روان باشد. هوش مصنوعی می‌تواند در مراحل تشخیص و درمان‌ بیماری‌، کمک‌ شایان توجهی کرده و روش های درمان‌ بر اساس نیازها و اولویت های هر شخص را امکان‌پذیر سازد.

از زمان شروع پاندمی کووید-۱۹، تعداد بیشتری از مردم نسبت به قبل به دنبال کمک برای مشکلات سلامت روان، از جمله افسردگی و اضطراب بوده‌اند. واقعیت تلخ این است که خودکشی اکنون چهارمین علت اصلی مرگ‌ و میر در میان افراد ۱۵ تا ۲۹ سال در سراسر جهان می باشد. این امر به طور اجتناب‌ ناپذیر فشار بیشتری بر خدمات بهداشتی و درمانی که از قبل هم تحت فشار بودند، وارد کرده و دسترسی به آنها را برای بسیاری دشوارتر کرده است.

آیا ممکن است تکنولوژی هوشمند مبتنی بر یادگیری ماشین، بخشی از راه‌ حل باشد و نیاز به تجویز دارو یا محدودیت آزادی بیماران بستری در بیمارستان‌های روانی را کاهش دهد؟

در ادامه این مطلب از نقطه، نگاهی می‌اندازیم به برخی از روش‌هایی که این تکنولوژی انقلابی، هم‌اکنون برای تغییر زندگی و بهبود نتایج درمانی بیماران با انواع مشکلات سلامت روان به کار می‌رود. با ما همراه باشید!

آیا برای صحبت کردن راجب مشکلات و بیان احساسات عمیق و شخصی خود ترجیح می‌دهید با یک ربات صحبت کنید یا یک انسان؟

تعداد چت‌بات‌هایی که به منظور ارائه مشاوره و ایجاد خط ارتباطی برای بیماران سلامت روان در طول درمانشان استفاده می‌شوند روز به روز در حال افزایش است. این چت بات ها می‌توانند در گفتگو با کاربر، علائم و نشانه های بیماری را شناسایی کرده و همچنین به دنبال کلمات کلیدی باشند که ممکن است به ارجاع و تماس مستقیم با یک متخصص روانشناس منجر شوند.

یک نمونه از این چت‌بات‌های درمانی،  Woebot است؛ چت‌باتی که یاد می‌گیرد با شخصیت کاربران خود سازگار شود و قادر است آنها را از طریق چندین نوع درمان و جلسات صحبت‌ درمانی که معمولاً برای کمک به بیماران در مقابله با شرایط مختلف استفاده می‌شود، هدایت کند.

چت‌بات دیگری به نام Tess، توسط شرکت X2AI برای ارائه پشتیبانی یکپارچه از سلامت روان، آموزش روانشناسی و یادآوری‌ (دارو و جلسات) طراحی شده است و مشاوره رایگان ۲۴ ساعته در تمام روزهای هفته برای کاربران دارد که می‌تواند برای مقابله با اضطراب و حملات پانیک (panic attack) بسیار مفید واقع شود.

این ابزارها قرار نیستد جایگزین نقش یک روانپزشک یا روانشناس شوند، بلکه به عنوان یک ابزار درمانی کمکی عمل می کنند. Tess برای ارائه حمایت عاطفی مطابق با توصیه‌های کارشناسان سلامت روان آموزش دیده و از ترکیبی از فناوری‌ها، الگوریتم‌های احساسات و تکنیک‌های یادگیری ماشین برای ارائه خدمات مختلف استفاده می‌کند.

برخی ابزارهای هوش مصنوعی در حوزه سلامت روان، منتظر تعامل کاربر از طریق یک اپلیکیشن نمی‌مانند و از برخی تکنولوژی های پوشیدنی هوش مصنوعی عمل می‌کنند که می‌توانند سیگنال‌های بدن را با استفاده از حسگرها تفسیر کرده و در هنگام نیاز، کمک لازم را ارائه دهند.

Biobeat اطلاعاتی در مورد الگوهای خواب، فعالیت‌های بدنی و تغییرات در ضربان و ریتم قلب جمع‌آوری می‌کند که برای ارزیابی حالت روحی و وضعیت کلی سلامت کاربر استفاده می‌شود. این داده‌ها، با داده‌های جمع‌آوری‌شده و ناشناس از دیگر کاربران مقایسه می‌شود تا در صورت پیش‌ بینی‌ نیاز به مداخله پزشکی، اقدامات لازم صورت گیرد. کاربران بر اساس این اطلاعات می‌توانند رفتار خود را تنظیم کرده یا در صورت نیاز از خدمات بهداشتی کمک بگیرند.

هوش مصنوعی می‌تواند برای تحلیل داده‌های پزشکی بیماران، داده‌های رفتاری، فایل های صوتی ضبط‌ شده از تماس‌های تلفنی با خدمات مداخله و بسیاری منابع داده دیگر استفاده شود تا با استفاده از یادگیری ماشین، علائم هشداردهنده مشکلات روانی را پیش از رسیدن به مرحله حاد شناسایی کند.
یک بررسی جامع از مطالعاتی که در آنها از هوش مصنوعی برای پردازش منابع مختلف داده استفاده شده بود، توسط IBM و دانشگاه کالیفرنیا انجام شد و نشان داد که یادگیری ماشین می‌تواند با دقت بالا مشکلات روانی از جمله افکار خودکشی، افسردگی و اسکیزوفرنی را پیش‌بینی و طبقه‌بندی کند. منابع داده استفاده‌ شده در ۲۸ مورد مطالعه، شامل پرونده‌های الکترونیکی سلامت، داده‌های تصویربرداری مغزی، داده‌های گرفته‌شده از سیستم‌های پایش تلفن‌های هوشمند و ویدئویی و داده‌های رسانه‌های اجتماعی بودند.

پژوهشگران مرکز پزشکی دانشگاه Vanderbilt دریافتند که داده‌های پذیرش بیمارستان، داده‌های جمعیت‌شناسی و داده‌های بالینی می‌توانند با استفاده از یادگیری ماشین تحلیل شوند تا پیش‌بینی کنند که آیا فردی قصد خودکشی دارد یا نه، با دقت ۸۰ درصد.

یک پروژه دیگر که در موسسه  Alan Turing در حال انجام است، بر استفاده از هوش مصنوعی برای پیش‌بینی مسائل بهداشت روانی تمرکز دارد. پژوهشگران در پروژه به دنبال راه‌هایی برای استفاده از داده‌های مقیاس بزرگ از افرادی که علائم مشکلات بهداشت روانی نشان نداده‌اند هستند تا پیش‌بینی کنند کدام یک از آنها ممکن است در طول زندگی خود با این نوع مشکلات مواجه شوند.

هوش مصنوعی همچنین برای پیش‌بینی مواردی که بیماران با احتمال بیشتری به درمان شناختی-رفتاری (CBT) پاسخ می‌دهند و بنابراین کمتر نیاز به دارو خواهند داشت، استفاده شده است. با توجه به اینکه داروهای ضد افسردگی و ضد روان‌پریشی می‌توانند عوارض جانبی داشته باشند، این پیش‌بینی با هوش مصنوعی می‌تواند به طور چشمگیری نتایج درمانی برخی بیماران را بهبود بخشد.

پژوهشی که در JAMA Psychology منتشر شده است نشان داد که یادگیری عمیق می‌تواند برای تأیید کارآیی CBT به عنوان یک روش درمانی استفاده شود و احتمالاً نیاز به تجویز دارو برای برخی بیماران را کاهش دهد.

یکی از بزرگ‌ترین چالش‌های درمان بیماری‌های روانی این است که اطمینان حاصل شود بیماران به درمان‌های تجویز شده از جمله مصرف دارو و حضور در جلسات درمانی پایبند هستند.

هوش مصنوعی می‌تواند پیش‌بینی کند که چه زمانی احتمال دارد بیمار از دستورات درمانی خود پیروی نکند و یا با تنظیم یادآورها و هشدار به ارائه‌دهندگان خدمات بهداشتی، امکان مداخلات دستی را فراهم کند. این کار می‌تواند از طریق چت‌بات‌هایی که قبلاً ذکر شد یا از طریق پیامک، تماس‌های تلفنی خودکار و ایمیل انجام شود. الگوریتم‌ها همچنین می‌توانند الگوهای رفتاری یا رویدادهایی را در زندگی بیمار شناسایی کنند که احتمالاً باعث عدم پایبندی وی به درمان می‌شود. این اطلاعات به کارکنان بخش بهداشت و درمان منتقل می‌شود و می‌توانند با بیمار همکاری کنند تا روش‌هایی برای اجتناب یا مقابله با این موانع بیابند.

یکی از حوزه‌های بسیار هیجان‌انگیز تحقیقاتی شامل استفاده از هوش مصنوعی برای ایجاد درمان‌های شخصی‌سازی‌ شده برای تعدادی از اختلالات روانی است. درمان شخصی‌سازی‌ شده به معنای تطبیق روش‌های درمانی خاص با نیازها و ویژگی‌های منحصر به فرد هر بیمار است. هوش مصنوعی می‌تواند با تجزیه و تحلیل داده‌های گسترده و متنوع از جمله تاریخچه پزشکی، علائم روانی، الگوهای رفتاری و حتی داده‌های بیومتریک، یک برنامه درمانی دقیق و اختصاصی برای هر فرد ایجاد کند.

یکی از روش‌های اصلی در این زمینه استفاده از الگوریتم‌های یادگیری ماشین است که قادر به شناسایی الگوها و روندهای خاص در داده‌های سلامت روان هستند. این الگوریتم‌ها می‌توانند نشانه‌های اولیه اختلالات روانی مانند افسردگی، اضطراب و اختلال دوقطبی را شناسایی کرده و به متخصصان روانشناسی و روانپزشکی در ارائه توصیه‌های درمانی کارآمدتر کمک کنند.

به عنوان مثال، یک سیستم هوش مصنوعی می‌تواند با تحلیل داده‌های روزانه یک فرد، تغییرات در الگوهای خواب، فعالیت‌های روزانه و حالات روحی، مشکلات او را تشخیص داده و هشدارهای لازم را به فرد و درمانگر او ارسال کند. این اطلاعات می‌تواند به درمانگر کمک کند تا برنامه‌های درمانی را براساس نیازهای واقعی و فعلی فرد تنظیم کند و به جای استفاده از روش‌های عمومی و گاهی ناکارآمد، درمان‌هایی اختصاصی و کارآمدتر ارائه دهد.

علاوه بر این، هوش مصنوعی می‌تواند در پیشبرد درمان‌های مبتنی بر رفتار نیز نقش مهمی ایفا کند. سیستم‌های هوش مصنوعی از طریق تحلیل داده‌های رفتاری و روانی، می‌توانند پیشنهادات و تمرینات تعاملی ارائه دهند که به بهبود وضعیت روانی فرد کمک می‌کند. این نوع درمان‌ها شامل مشاوره‌های آنلاین، برنامه‌های مدیتیشن و تمرینات ذهنی است که به طور خاص برای هر فرد طراحی شده.

در نهایت، یکی دیگر از مزایای استفاده از هوش مصنوعی در درمان شخصی‌سازی‌ شده، افزایش دسترسی به منابع درمانی است. با استفاده از فناوری‌های هوش مصنوعی، افراد در مناطق دورافتاده و بی بضاعت نیز می‌توانند به خدمات روانشناسی و روانپزشکی دسترسی داشته باشند و از برنامه‌های درمانی اختصاصی بهره‌مند شوند.

هوش مصنوعی به‌ کار گرفته شده تا بر علائم بیمار و واکنش به درمان‌ نظارت کند و اطلاعاتی استخراج کند که می‌توانند برای تنظیم برنامه‌های درمانی فردی مورد استفاده قرار گیرند. یک پروژه تحقیقاتی که در دانشگاه کالیفرنیا انجام شد، بر ایجاد برنامه‌های درمانی شخصی برای کودکان مبتلا به اسکیزوفرنی بر اساس تجزیه و تحلیل تصاویر مغزی با استفاده از بینایی کامپیوتری متمرکز بود. یک عنصر مهم از این تحقیق تمرکز بر “هوش مصنوعی موجه” است، چرا که الگوریتم‌ها باید برای پزشکانی که متخصص هوش مصنوعی نیستند، قابل فهم باشند تا بتوانند با آن ارتباط گرفته و استفاده مفید ببرند.

استفاده از هوش مصنوعی در درمان مشکلات سلامت روان می‌تواند با چالش‌های متعددی همراه باشد که در ادامه به برخی از مهم‌ترین آن‌ها اشاره می‌کنیم:

1. حریم خصوصی و امنیت داده‌ها: یکی از بزرگ‌ترین چالش‌ها در این حوزه، مسئله حریم خصوصی و امنیت داده‌های حساس بیماران است. داده‌های سلامت روان می‌توانند بسیار شخصی و حساس باشند و هرگونه نشت اطلاعات می‌تواند عواقب جدی برای افراد داشته باشد. بنابراین، تضمین امنیت و حریم خصوصی این داده‌ها از اهمیت بالایی برخوردار است.
2. تفسیر نادرست داده‌ها: الگوریتم‌های هوش مصنوعی ممکن است به دلیل عدم دقت کافی یا نواقص در داده‌های ورودی، به تفسیر نادرست داده‌ها منجر شوند. این موضوع می‌تواند به ارائه تشخیص‌ها و توصیه‌های درمانی نادرست انجامد که به جای کمک به بهبود وضعیت روانی فرد، می‌تواند مشکلات بیشتری ایجاد کند.
3. تبعیض الگوریتمی: هوش مصنوعی ممکن است به دلیل تعصبات موجود در داده‌های آموزشی، به تبعیض الگوریتمی منجر شود. اگر داده‌های آموزشی به اندازه کافی متنوع نباشند یا دچار تعصبات نژادی، جنسی یا فرهنگی باشند، الگوریتم‌ها نیز ممکن است این تعصبات را بازتولید کرده و درمان‌های ناعادلانه‌ای پیشنهاد دهند.
4. عدم جایگزینی کامل متخصصان انسانی: اگرچه هوش مصنوعی می‌تواند به عنوان یک ابزار کمکی بسیار مفید عمل کند، اما نمی‌تواند به طور کامل جایگزین تخصص و تجربه انسان‌ها شود. تعاملات انسانی و درک عمیق از شرایط روانی بیماران امری است که هنوز به طور کامل توسط ماشین‌ها قابل انجام نیست.
5. مسائل قانونی و اخلاقی: استفاده از هوش مصنوعی در درمان مشکلات سلامت روان با مسائل قانونی و اخلاقی متعددی همراه است. به عنوان مثال، در صورت بروز خطا در تشخیص یا درمان توسط هوش مصنوعی، مسئولیت قانونی به عهده چه کسی خواهد بود؟ همچنین، حفظ اصول اخلاقی در ارائه خدمات درمانی توسط سیستم‌های هوش مصنوعی چالشی بزرگ است که نیاز به بررسی‌های دقیق و قوانین جامع دارد.

این چالش‌ها نشان می‌دهند که استفاده از هوش مصنوعی در حوزه سلامت روان نیازمند دقت و توجه ویژه‌ای است تا بتواند به طور مؤثر و امن به بهبود وضعیت روانی افراد کمک کند.

ادغام هوش مصنوعی در زندگی روزمره، یک گفتگوی جهانی درباره امکانات و خطرات هوش مصنوعی بر سلامت انسان را به وجود آورده است. به طور خاص، نیاز روز افزونی برای پیش‌بینی و رسیدگی به تأثیر بالقوه دسترسی گسترده، بهبود یافته و مکالمه‌ای هوش مصنوعی بر سلامت روان ما انسان ها وجود دارد.

پیشنهاد می‌شود سه ملاحظه برای چارچوب‌سازی چگونگی تأثیر هوش مصنوعی بر سلامت روان جمعیت در نظر گرفته شود: از طریق پیشرفت در مراقبت‌های سلامت روان؛ با تغییر زمینه‌های اجتماعی و اقتصادی؛ و از طریق سیاست‌هایی که شکل‌دهنده پذیرش، استفاده و سوءاستفاده احتمالی از ابزارهای تقویت شده با هوش مصنوعی هستند.

بیش از ۹۷۰ میلیون نفر در سراسر جهان با یک اختلال روانی زندگی می‌کنند و بسیاری با کمبود دسترسی به مراقبت های لازم مواجه هستند. در این میان استفاده از ابزارهایی مانند هوش مصنوعی می‌تواند بر سلامت روان از طریق پیشگیری و درمان تأثیر بگذارد. این ابزارها می‌توانند منجر به مداخله عملی سریع‌تر شده و با شناسایی بیماران پرخطر، از رشد بیماری‌های روانی شدید جلوگیری کنند.

هوش مصنوعی می‌تواند استرس را شناسایی، ارزیابی و پیش‌بینی کند. به عنوان مثال، هوش مصنوعی می‌تواند زبان طبیعی را از سوابق بهداشتی الکترونیکی پردازش و نقص شناختی اولیه یا سوء استفاده از کودکان را شناسایی کند که می‌تواند در طول زندگی فرد بر سلامت روان وی تأثیر بگذارد.

هوش مصنوعی علاوه بر پیشگیری از چالش‌های سلامت روان از طریق غربالگری مؤثرتر و سریع‌تر، پتانسیل بهبود دسترسی به مراقبت‌های سلامت روان را نیز دارد. می‌توان دنیایی را تصور کرد که هوش مصنوعی به عنوان “خط مقدم” برای سلامت روان جوامع عمل می‌کند و منابع و خدمات موجود را برای افرادی که به دنبال کمک هستند فراهم می‌کند.

در حالی که هوش مصنوعی در شناسایی زود هنگام خطر و در اولویت‌بندی و درمان حجم زیادی از بیماران وعده‌های بسیاری دارد، معایب قابل توجهی نیز در استفاده از هوش مصنوعی برای این منظور وجود دارد، از جمله تعصباتی که ممکن است منجر به ارزیابی نادرست و تداوم کلیشه‌ها شود. تاکنون تلاش‌های هوش مصنوعی برای بهبود پیش‌بینی خطر با نتایج متناقضی مواجه شده است، مانند پیش‌ بینی خطر خودکشی توسط هوش مصنوعی که بهتر از مدل‌های ساده‌تر نبوده است.

در حالی که برخی تلاش‌ها برای استفاده از هوش مصنوعی در ارائه مراقبت‌های سلامت روان، مانند چت‌بات‌های پاسخگو، در حال انجام است، هنوز فاصله‌ زیادی بین ایده و اجرا وجود دارد؛ علاوه بر این، نیاز به درک پیامدهای بلند مدت جایگزینی همدلی، قضاوت و تجربه انسانی با پاسخ‌های تولید شده توسط هوش مصنوعی نیز وجود دارد.

به طور بنیادی‌تر، هوش مصنوعی می‌تواند تفاوت‌ها در توزیع دارایی‌ها را تغییر دهد یا تشدید کند، که این دارایی‌ها به عنوان محافظی در برابر چالش‌های سلامت روان عمل می‌کنند. سلامت روان به زمینه‌های اقتصادی و اجتماعی حساس است. اولاً، ممکن است هوش مصنوعی زمینه‌های اقتصادی موجود را تغییر دهد یا اصلاح کند، مانند توزیع ثروت و اشتغال که هر دو از سلامت روان محافظت می‌کنند. بیکاری با عواقب نامطلوب سلامت روانی همراه است که مدت‌ها پس از از دست دادن اولیه شغل ادامه دارد. از دست دادن احتمالی شغل‌ها که ممکن است به دنبال جایگزینی وظایف و صنایع خاص توسط هوش مصنوعی رخ دهد، می‌تواند به عواقب روانی منجر شود، به ویژه در میان کارگرانی که بیشتر در معرض از دست دادن شغل هستند و این امر به طور نامتناسب بر جمعیت‌های با دارایی‌های کمتر تأثیر می‌گذارد. به این ترتیب، هوش مصنوعی می‌تواند شکاف‌های اقتصادی موجود بین گروه‌ها را گسترش دهد و نابرابری‌های سلامت روان را تشدید کند، و به این ترتیب نظریه نابرابری تجمعی را محقق کند. از سوی دیگر، هوش مصنوعی ممکن است از طریق ایجاد فرصت‌های کارآفرینی جدید و دسترسی به سرمایه‌های قبلاً در دسترس نبوده، به سلامت روان کمک کند.

دوم، استفاده از هوش مصنوعی و به ویژه هوش مصنوعی مولد، با پاسخ‌های شبیه به انسان، ممکن است نحوه تعامل افراد با یکدیگر را تغییر دهد. ارتباطات اجتماعی معنادار و حمایت اجتماعی به عنوان مکانیسم‌های محافظ در برابر کاهش سلامت عمل می‌کنند، و هوش مصنوعی ممکن است نحوه تعامل افراد با یکدیگر را تغییر دهد. هوش مصنوعی می‌تواند منجر به افزایش قطبی‌شدگی و افراط‌گرایی شود زیرا کاربران اطلاعات گزینشی مصرف می‌کنند و ممکن است به فروپاشی بیشتر شبکه‌های اجتماعی و پیوندهایی که از سلامت روان محافظت می‌کنند، منجر شود.

محیط سیاسی که در آن زندگی می‌کنیم، همراه با ارزش‌هایی که سیاست‌های ما را هدایت می‌کنند، تعیین می‌کند که چگونه هوش مصنوعی می‌تواند بر سلامت روان تأثیر بگذارد. هوش مصنوعی ممکن است فرصت‌هایی برای سنتز سریع اطلاعات نامحدود در مورد افراد ایجاد کند؛ اگر به صورت مخرب استفاده شود، این ابزارها می‌توانند به سلامت جمعیت‌ها آسیب برسانند. بنابراین، سه ملاحظه در این زمینه مهم خواهد بود که چگونه هوش مصنوعی می‌تواند بر سلامت روان جمعیت تأثیر بگذارد.

اول، سیاست‌ها، استانداردها و مقررات باید در نظر داشته باشند که اطلاعات حساس بیمار و حریم خصوصی افراد حفظ شود. با توجه به سرعت رشد فناوری، خدمات و عملکردهای در حال تحول ، مقررات هنوز با استفاده و سوءاستفاده احتمالی از داده‌های هدفمند همگام نشده‌اند. به ویژه در مورد اشتراک‌ گذاری داده‌های حساس سلامت روان، مهم است اطمینان حاصل شود که بیماران از مواجهه با افرادی که می‌توانند از وضعیت سلامت روانی آن‌ها سوءاستفاده کنند، محافظت شوند. در حالی که قانون قابلیت حمل و پاسخگویی بیمه سلامت (HIPAA) اطلاعات دیجیتال سلامت بیماران را در برخی از محیط‌ها محافظت می‌کند، این قانون به اکوسیستم‌های جدید سلامت مانند اینترنت پزشکی اشیاء گسترش نمی‌یابد.

دوم، همسویی در ارزش‌ها و اجرای سیاست‌ها برای کاهش تأثیر تعصب در هوش مصنوعی بسیار حیاتی خواهد بود تا اطمینان حاصل شود که شکاف‌های موجود تشدید نمی‌شوند و گروه‌های خاص به طور عمدی یا غیر عمدی هدف بدرفتاری یا بدنامی قرار نمی‌گیرند. آگاهی فزاینده از اهمیت عدالت الگوریتمی، بحث‌هایی را درباره استفاده مناسب از هوش مصنوعی و یادگیری ماشین برانگیخته است؛ در غیاب مداخله متفکرانه، الگوریتم‌های موجود می‌توانند تعصب را تداوم بخشند و نابرابری‌های حوزه سلامت را در میان گروه‌ها افزایش دهند.

سوم، محافظ‌هایی برای پاسخ‌های تولید شده توسط هوش مصنوعی می‌توانند از آسیب جلوگیری کنند. تلاش‌های خودکشی زمانی موفق‌تر هستند که وسایل استفاده شده کشنده‌تر باشند؛ این امکان وجود دارد که کاربران از هوش مصنوعی برای اطلاع از نحوه خود آزاری یا آسیب رساندن به دیگران استفاده کنند. اطمینان از این که هوش مصنوعی دارای محافظ‌های داخلی برای جلوگیری از گسترش وسایل کشنده باشد و به جای آن از این منابع برای ایجاد مسیری به سوی درمان استفاده کند، ممکن است به جلوگیری از نتایج نامطلوب تعامل هوش مصنوعی و انسان کمک کند.

در حالی که هوش مصنوعی ممکن است خطرات و مزایای بالقوه‌ای برای سلامت روان انسان داشته باشد، مکانیزم وقوع آن‌ها از طریق دنیای واقعی است. سلامت روان و سلامت جسمانی در زندگی واقعی تجربه می‌شوند. شاید بهترین راه آماده شدن برای تغییراتی که ابزارهای جدید به ارمغان خواهند آورد، این باشد که حتی در حالی که ابزارهای دیجیتال جدید را توسعه می‌دهیم، همچنان به سرمایه‌گذاری در زیرساخت‌های اساسی، دارایی‌ها و ارتباطات اجتماعی که می‌دانیم از سلامت روان محافظت می‌کنند و زندگی انسان را ارزشمند می‌سازند، ادامه دهیم.