引言：心理压力是普遍的健康问题
心理压力是现代人常见的情绪困扰。2024年的一项全球调查显示，约37%的成年人在受访前一天经历了较高程度的压力。长期压力不仅影响情绪和睡眠，还与焦虑、抑郁甚至心血管问题有关。因此，及时、客观地发现压力状态，对于心理健康干预十分重要。
传统压力评估方法存在局限
目前评估压力主要靠两类方法：一是主观自评，比如填写感知压力量表等；二是客观测量，比如监测心率、皮电等生理指标。主观方法容易受记忆偏差、社会期望等因素影响，且难以捕捉现实生活中的动态变化。客观方法虽然更直接，但常常需要贴着皮肤佩戴传感器，长期使用可能不舒服，也容易产生数据质量问题。
无接触监测：让压力识别“不着痕迹”
近年来，研究者开始尝试一种更“省心”的方法：用摄像头、热像仪或雷达等设备，不碰触身体也能“看”到生理信号。比如，摄像头可以通过捕捉面部微小的肤色变化来估算心跳和心率变异性——这被称为“远程光电容积描记法”；热像仪能感知面部皮肤温度的微小波动；雷达则可以探测呼吸和身体运动。这些信号都受自主神经系统调控，而压力会改变自主神经活动，所以它们能成为判断压力的线索。
当这些非接触信号与人工智能（AI）模型结合，就可以训练算法识别“压力”与“不压力”状态，从而为持续、低负担的压力监测提供可能。
系统综述：研究者如何汇总证据？
为了搞清楚这类AI模型到底表现如何，来自清华大学等机构的科研团队系统检索了PubMed、IEEE等数据库，最终找到21项相关研究，并对其数据进行了汇总分析。其中8项研究报告了“二分类压力识别”的完整数据，共包含17个模型评估结果和13910个样本，被纳入荟萃分析。研究大多在实验室或受控环境中进行。
结果：平均准确率81.3%，但表现参差不齐
分析结果显示，这些AI模型在区分“有压力”与“无压力”时，汇总的准确率为81.3%（95%置信区间：68.4%–91.5%），F1分数为0.791，敏感度（即真正识别出压力的比例）为0.809，特异度（即正确识别出无压力的比例）为0.697。换句话说，在实验条件下，大约每5次判断中能对4次左右。
不过，研究者指出，各研究之间的结果差异很大（统计学上存在明显异质性）。进一步分析发现，不同的压力标签来源会影响模型表现；而传感器类型、信号类别、验证方法和模型类型则没有显示出统计学显著差异。
局限与现实差距
虽然这个准确率听起来不错，但研究者也提醒要谨慎解读。现有研究普遍存在几个问题：样本量偏小、压力标签的定义和来源不一致、很多研究没有采用“参与者独立验证”（即训练模型和测试模型时使用不同的人），导致结果可能偏乐观。此外，模型报告也不完整，而且几乎没有在真实生活场景中进行过测试。因此，目前说它“能测压力”还为时尚早，只能说技术可行性已经初步得到验证。
未来方向与意义
这篇综述建议，未来应该统一压力标签的标准，采用更严谨的模型验证方法，完整报告各项性能指标，并在自然环境中开展评估。如果这些问题得以解决，非接触AI压力监测有望成为数字心理健康管理的有力工具，比如在卧室、办公室或养老院中无感地监测压力水平，提醒用户调整状态，或帮助医生远程随访。
总之，非接触生理信号结合AI为压力监测提供了一种新思路，但距离大规模实际应用还有一段路要走。对于大众而言，了解这一技术进展有助于我们更理性看待“AI测压力”产品，也期待更成熟的方案问世。