AI赋能音乐治疗的现实困境与解决路径

前言

人工智能为音乐治疗的发展带来新机遇，推动其向智能化与个性化方向转型，这契合国家大力推进健康中国战略的背景。然而，现有研究在系统应对 AI 赋能音乐治疗所面临的数据安全、版权归属以及主体性保障等现实困境方面，仍存在明显不足。本文从技术、法律与伦理三个维度入手，分析其现实困境，进而提出系统性解决路径，以促进AI 赋能音乐治疗的规范化与可持续发展。

一、AI 赋能音乐治疗面临的现实困境

近年来，与音乐治疗紧密相关的医学领域在人工智能方面进展迅速。高效协同、互联互通且能够克服时空限制的智慧医疗，逐渐成为公众广泛认可的医疗服务模式。[1][2]本研究基于智慧医疗发展过程中存在的现实梗阻，从技术、法律与伦理三个维度，审视AI 与音乐治疗融合所面临的多重现实困境。

（一）数据、算法、算力等关键技术挑战

人工智能技术倚赖三大基础要素：数据、算法与算力。从数据层面看，“数据孤岛”现象严重制约AI 赋能音乐治疗的发展。所谓数据孤岛，是指数据被分散存储于不同主体或部门，形成彼此孤立、无法互通和共享的数据集，犹如海面上互不连通的岛屿。[3]在音乐治疗临床实践中，部分治疗师出于对自身核心竞争力的保护，对数据共享持保守态度，这阻碍了智能化数据的采集、流通与分析。另一方面，我国各部门、机构和系统之间因数据安全顾虑、利益冲突以及共享意识薄弱，导致健康医疗数据开放不足、流通不畅。此外，音乐治疗的病历记录尚未全面实现数字化，而已有的数字化病历又因各部门、机构之间文件格式与标准不统一，造成数据互通性差，严重影响数据共享的效率和效果。

算法不足与算法偏见是实现个性化音乐治疗与精准疗效评估的关键障碍。算法作为计算方法，涵盖数值与非数值算法，强调计算的逻辑与规则。[4]但在AI 与音乐治疗融合的过程中，算法研究面临两大难题：一是音乐治疗领域缺乏专门性及高阶算法，极大限制了智能技术的实际应用；二是算法黑箱与算法偏见风险难以避免。机器学习通过自我学习与优化调整生成的算法往往具有高度复杂性与不透明性，加之算法设计者、训练数据及人机交互中潜在的偏见，会显著影响操作者的决策及其结果。[5]从算力角度看，算力代表设备或系统在单位时间内处理信息与完成计算任务的能力，通常关联计算机的CPU、GPU 及内存等硬件配置。AI 音乐治疗需处理多模态数据的同步分析与复杂模型的快速迭代，同时要求人机交互具备实时性与高精确性，这些都依赖强大的算力支持。然而，《2023 年中国算力发展指数白皮书》[6]指出，我国算力发展仍面临应用多元化与供需不平衡等持续挑战，因此亟需在理论架构与软硬件实现层面实现突破性进展。

（二）数据泄露风险的法律挑战

AI 赋能音乐治疗在运行过程中采集大量医疗数据，其个性化音乐生成与推送也带来了数据泄露与版权纠纷等法律问题。在数据泄露方面，新一代智能医疗的普及使治疗数据收集与数据集构建呈现“泛在化”特征，数据传输、存储与应用的“云端化”进一步加剧了医疗数据的生成、聚合与关联。[7]多领域的数据监测、共享、挖掘与预测行为使得数据泄露风险显著增加，来访者的数据安全难以得到有效保障。此外，黑客入侵也是导致数据泄露的重要风险源，一旦发生便可能造成严重后果。例如，2018 年国泰航空遭黑客攻击导致 940 万乘客数据泄露，2019 年深网视界科技公司被入侵致使超250 万人数据外泄，其中包括身份证信息、人脸图像及位置记录等敏感信息。[8]由于法律本身具有滞后性[9]，现行法律体系对AI 音乐治疗所涉及的数据安全与版权归属等复杂问题仍缺乏明确条款，这成为制约其发展的重要制度瓶颈。

（三）主体性弱化的伦理挑战

音乐治疗始终坚持“以来访者为中心”的原则，强调来访者在治疗过程中的主体地位与基本动力，所有干预措施均需在其知情同意下开展（法律上认定无自知力或存在自伤、伤人风险等特殊情况除外）。[10]来访者在接受AI 音乐治疗服务前，通常需阅读并同意隐私政策与服务协议，但这些文本中专业术语与法律条款繁多，大多数来访者缺乏完整理解与合理性判断的能力。此外，人工智能技术具有较强的涌现性与自主性，处理者往往难以完全掌握系统实际运行状态，双方之间的知识鸿沟使得知情同意难以真正实现。智能技术在音乐治疗中的过度应用，易导致治疗师忽视与来访者之间的人际互动。然而，音乐治疗本质上建立在人际关系与情感联结的基础上，这种人性化的互动是技术无法完全替代的。从精神分析与心理动力学的视角来看，来访者常将生活中重要人物的情感投射至治疗师，此类积极的移情有助于建立治疗关系并促进疗效；治疗师因个人经历与来访者存在相似性，也更易深入理解其内心世界，这种反移情同样有助于治疗的推进与深化[13]。因此，治疗师与来访者之间的情感互动不可或缺。年轻一代音乐治疗师虽更易接纳新技术，但也可能因过度依赖技术而陷入“唯技术论”思维，丧失临床判断与主体性。同时，智能生成与方案匹配中难以避免的算法偏见，也会干扰治疗师的专业决策，进一步削弱其主体性。

二、AI 赋能音乐治疗发展的优化路径

事物发展具有复杂性与多维性，我们应以全面、联系与发展的视角进行整体把握，从而取长补短、实现优化提升。针对上述困境，本研究结合国内外先进经验，提出以下解决路径，以推动AI 赋能音乐治疗的稳健发展。（一）建立数据共享平台，助推算力算法升级

构建统一的数据共享平台是破解数据孤岛问题的有效途径。 首先，应在实现音乐治疗临床记录数字化的基础上，统一数据标准与格式，包括数 等方面的规范。其次，提供标准化数据接口，方便不同部门与机构接入并 将异构数据转换为统一标准格式。这不仅有助于提升数据的兼容性 准确性。[11]第三，政府可出台激励数据共享的政策，如资金支持、税收减 参与数据共享的积极性。同时，应建立合理的数据利益分配机制，确保提供数据的治疗师、机构及来访者均能从中获益。

在算法模型开发方面，有研究指出，现有人工智能技术多由工程师主导，缺乏领域专家的理论指导，影响其实际适用性与数据准确性。[12]因此，应加强音乐治疗师与人工智能技术人员的协作，共同开发契合音乐治疗需求的专用算法模型，提升应用的效度与针对性。为减少算法偏见、提高透明性与可解释性，可定期开展算法偏见检测与调整，保障其公平性[13]；还可引入可解释人工智能技术，如采用决策树、逻辑回归等易解释模型，或在深度学习模型中嵌入注意力机制与特征重要性分析，以降低黑箱效应。另外，可在算法开发与应用过程中定期发布透明度报告，详细阐述算法原理与决策依据，进一步增强其可信任度。在算力方面，尽管提升芯片能力是增强算力的根本路径[14]，当前仍可通过合作与资源共享提高利用效率，例如与高校及科研机构共享超算资源，运用云计算与边缘计算实现资源的动态分配与优化，以提升整体计算效能。

（二）完善数据安全法案

健全的法律制度是AI 赋能音乐治疗得以健康、有序发展的基础保障。近年来，我国积极推进数据安全立法，已初步构建以《民法典》《网络安全法》《数据安全法》和《个人信息保护法》为核心的数据保护与救济制度体系。[15]《数据安全法》第三条明确定义了数据及数据处理行为，并强调通过必要措施确保数据处于有效保护与合法利用的状态。因此，AI 音乐治疗过程中的数据管理者与运营者须严格依法操作，采取数据匿名化、去标识化、访问权限控制等技术与管理措施，最大限度防范数据泄露。尽管现有法律体系为数据安全提供了一定保障，但在数据泄露的责任认定方面仍存模糊地带。有学者指出，相关责任主体可能包括系统所有人、使用人、开发生产者乃至人工智能设备自身。[16]在责任分配中，应结合强人工智能、中人工智能与弱人工智能的发展阶段特征进行区分，并在复杂情境中考虑多方共同责任。[17]一般而言，因系统设计缺陷导致的数据泄露，应由开发商与技术方担责；若因操作不当引发泄露，则责任主体应为医疗机构或音乐治疗师。现行法律体系中也应增加对人工智能医疗设备的责任规定，进一步明确责任划分与执行机制[23]。

（三）加强伦理意识，确保主体性

来访者对隐私、信息安全、信任与透明度等主权问题的担忧，是影响其使用智能医疗及参与数据共享的主要障碍。同时，技术对决策的干预及“唯技术论”思维导致治疗师主体性丧失，也对治疗伦理带来严峻挑战。因此，保障来访者主权与治疗师主体性成为AI 赋能音乐治疗应用的基本前提。一方面，应在算法设计中融入伦理因素[18]，积极推进“以人为本”的可信、可知人工智能与可解释人工智能实践，尽力规避算法黑箱与偏见。这不仅能增强来访者对AI 音乐治疗的信任与知情权，也有助于治疗师理解算法机制，减少误判与主体性流失。另一方面，治疗师应在维护来访者主权中发挥主导作用，通过清晰解释系统运行机制与潜在风险，落实知情同意原则，并鼓励来访者增进对智能医疗的认知，从而促进治疗关系深化与技术合理应用。此外，技术人员应与治疗师协作，提供清晰的数据使用报告，向访客说明健康数据的使用方式、共享对象及隐私保护措施。针对复杂条款，可借助视频、图表等可视化方式提升信息可理解性，或通过人机交互增强来访者的参与体验与知情权实效。

在音乐治疗师人才培养中，除传统伦理内容外，还应增强智能技术伦理教育，提升其应对技术伦理问题的意识与能力，并始终强调人际互动与情感联结的核心价值，防范主体性弱化。从政府监管层面，可建立涵盖智能系统、专业监管人员及来访者代表的三方监督机制，对治疗师技术使用频次与过程进行系统监督，并开展定期与随机审查，遏制技术滥用与“唯技术论”倾向，保障治疗师主体性。同时，该机制也应对来访者主权的落实情况进行监督，如检查知情同意的完整性、数据报告的透明度等，切实维护其权益。

结语

人工智能与音乐治疗的融合具有显著潜力，能够在提升治疗效率、服务个性化与可及性方面发挥重要作用。然而，该融合过程仍面临技术、法律、伦理等多维挑战，需通过跨学科协作、政策支持与伦理治理共同推动。未来，应在加强数据安全与主体权利保障的基础上，持续优化算法透明度，强化人才队伍建设，以实现AI 赋能音乐治疗的稳健与可持续发展。

[1]杨善林,范先群,丁帅,等.医联网与智慧医疗健康管理[J].管理科学,2021,34(06):71-75.

[2]Rahman J S, Gedeon T, Caldwell S, et al. Towards effective music therapy for mental health care using machine learning tools: human affective reasoning and music genres[J]. Journal of Artificial Intelligence and Soft Computing Research, 2021, 11(1): 5-20.

[3] 叶明, 王岩. 人工智能时代数据孤岛破解法律制度研究[J]. 大连理工大学学报( 社会科学版),2019,40(05):69-77.

[4]刘宇航,张菲.计算概念谱系：算势、算力、算术、算法、算礼[J].中国科学院院刊,2022,37(10):1500-1510. [5]Panch T, Mattie H, Atun R. Artificial intelligence and algorithmic bias: implications for health systems[J]. Journal of global health, 2019, 9(2).

[6] 中 国 通 信 研 究 院 . 中 国 算 力 发 展 指 数 白 皮 书 (2023年).[EB/OL].(2024-03-26).[2024-05-16].http://www.caict.ac.cn/kxyj/qwfb/bps/202309/P020240326630458153765.pdf[7]朱光,李凤景,卞淑莹.隐私关注驱动的智慧医疗使用意愿研究[J].图书馆论坛,2022,42(06):127-140.

[8] 金元浦. 大数据时代个人隐私数据泄露的调研与分析报告[J]. 清华大学学报( 哲学社会科学版),2021,36(01):191-201+206.

[9]邢鸿飞,吕汉东.智能互联网的法律风险及其立法应对[J].科技与法律(中英文),2021,(01):10-18.

[10]高天编著.音乐治疗学基础理论[M].世界图书出版公司北京公司,2007.04.第93 页

[11]Liu X, Li L, Sun R, et al. Lightweight multi-departmental data sharing scheme based on consortium blockchain[J]. Peer-to-Peer Networking and Applications, 2023, 16(5): 2399-2414.

[12]刘冬予,骆方.人工智能赋能教育和心理学研究中的数据处理[J].中国考试,2024,(03):18-27.

[13]Raji I D, Buolamwini J. Actionable auditing revisited: Investigating the impact of publicly naming biased performance results of commercial ai products[J]. Communications of the ACM, 2022, 66(1): 101-108.

[14]王颖,魏敏敏,张凤彪.人工智能与全民健身融合：现实基础、践行困境与破解路径[J].天津体育学院学报,2024,39(02):175-182.

[15]沈坤荣,周铃铃.数据基础制度建设：现实挑战与路径选择[J].学术月刊,2024,56(01):60-69.

[16]夏利民,王庆松.人工智能侵权责任保险制度的构建[J].湖北社会科学,2022,(05):125-133.

[17]王磊,周徐.人工智能视野下医疗机器人的侵权责任分配[J].中国卫生法制,2023,31(02):23-31.

[18]Mittelstadt B D, Allo P, Taddeo M, et al. The ethics of algorithms: Mapping the debate[J]. Big Data & Society, 016, 3(2): 2053951716679679.

作者信息：

李傲翼（1990.04—），女，；副教授；研究方向：音乐治疗。

王艺颖（1998.10—），女，；硕士研究生在读，研究方向：音乐治疗。

基金项目：湖北省教育厅哲学社会科学研究项目和专项项目：AI 赋能音乐治疗临床实践的现实困境与优化路径研究（项目编号：24G081）