迈向零外泄精神科AI：面向隐私保护心理健康决策支持的端侧LLM部署

隐私是心理健康领域AI应用最关键却最未被充分解决的障碍之一——尤其是在军事、惩教和远程医疗等高敏感度运营环境中，患者数据暴露的风险可能完全打消求助行为。现有的AI精神科决策支持系统主要依赖基于云的推理流水线，要求敏感患者数据离开设备并途经外部服务器，在这些场景中造成不可接受的隐私与安全风险。本文提出一个零外泄（zero-egress）、端侧AI平台，用于隐私保护的精神科决策支持，并以跨平台移动应用的形式部署。所提出的系统在我们此前关于微调LLM联盟用于精神科诊断标准化的工作基础上，从根本上重新架构推理流水线以实现完全本地执行——确保在任何阶段都没有患者数据被传输至、由其处理或存储于任何外部服务器。该平台集成了三个轻量级、经过微调与量化的开源LLM联盟——Gemma、Phi-3.5-mini和Qwen2——它们因架构紧凑且在资源受限移动硬件上效率经过验证而被选中。端侧编排层协调集成推理与基于共识的诊断推理，生成符合DSM-5的疾病评估。该平台旨在协助临床医生进行鉴别诊断和证据关联的症状映射，并在适当临床保障措施下支持面向患者的自我筛查。初步评估表明，所提出的零外泄部署实现了与其服务器端前身相当的诊断准确率，同时在普通移动硬件上保持实时推理延迟。