APA调查:生活成本与国事成美国人主要压力源
美国心理学会2026年“美国压力”调查显示,约77%的美国成年人把生活成本列为重要压力源,74%提到国家未来。调查还发现,72%认同“压力是我必须忍受的东西”,47%表示过去一年因压力减少至少一种社交活动;在受访的AI使用者中,49%曾把AI当朋友对话,47%将其用于类似心理健康专业人员的角色。
搜索与计数仅限六个 AI × 心理学议题。全部收录不等同于精选;普通心理学内容可从背景主题继续阅读。
美国心理学会2026年“美国压力”调查显示,约77%的美国成年人把生活成本列为重要压力源,74%提到国家未来。调查还发现,72%认同“压力是我必须忍受的东西”,47%表示过去一年因压力减少至少一种社交活动;在受访的AI使用者中,49%曾把AI当朋友对话,47%将其用于类似心理健康专业人员的角色。
AXA安盛公布年度心理健康研究2026,香港1000名受访者中66%表示曾用AI工具处理心理健康相关事宜。AI使用者中43%称对AI的信任高于心理健康专业人士,26%表示曾因AI建议感到不安,另有26%称曾跟从AI建议做出其后认为有害的行为。研究由益普索于2026年1月至2月以配额抽样访问,数据为受访者自报。
推荐理由:数据来自AXA安盛委托益普索开展的配额抽样在线调查,为受访者自报,不能据此推断AI使用与心理健康状况之间的因果。
Berries 官方发文说明其面向心理学家的记录工具设计:笔记可循使用者的理论取向,提供 20 多个内置模板与自定义模板,并用干预库让记录贴合实际做法。Context 可上传摄入访谈、临床史与评估资料,治疗计划随会谈进展更新。注册即纳入业务伙伴协议,HIPAA 合规自第一天内置,无需另行设置。
NeuroFlow在10月15日于费城举办的第三届心理健康领导峰会上,将2026年心理健康政策影响力表彰授予美国前众议员帕特里克·肯尼迪,他曾在2008年作为主要发起人推动《心理健康平等与成瘾公平法案》。
一篇发表于《自然·心理健康》的视角文章评估了AI治理中的青少年福祉政策,指出伦理框架与实际应用之间存在差距。文章建议采用文化响应式设计与创伤知情方法,以提升用户安全并有效回应发展需求。
研究团队用深度学习框架分析青少年功能连接与行为数据,在注意缺陷多动障碍(ADHD)与焦虑障碍共病人群中识别出脑-行为维度及生物型。作者称这些生物型有助于厘清症状特征并支持早期风险分层,但摘要未给出样本量与验证细节。
是时候考虑向AI寻求心理治疗服务了吗?人类治疗师 @Makellams 探讨了AI能做什么——以及它做不到什么。
一项发表于《科学进展》的研究用深度学习模型分析脑成像数据,发现对面部表情的视觉编码过度依赖先验预期,与青少年日后情绪症状升高相关。研究者先分析IMAGEN队列1332名19岁参与者的fMRI数据,按视觉编码效率分组,低效组情绪症状更高;再构建双通路神经网络,发现概念通路过度调控视觉通路时会把中性面孔误判为愤怒或悲伤,其内部编码与低效脑模式接近。
Robert Meadows在The Mental Elf评议Weilnhammer等人发表于Nature Medicine的SIM-VAIL框架,该框架用模拟用户与九款前沿AI聊天机器人进行多轮对话,以审计其心理健康风险。研究生成810段对话、逾9万条轮次级风险评分,发现风险随对话推进上升,且因用户脆弱性、对话意图和模型而异。
Rosebud 创始人结合自身经历撰文指出,AI 可在治疗师已安排的前提下承担会谈间的窄任务,如把难熬的一晚写成文字、练习布置的作业、记录一周情绪供回诊讨论。APA 明确表示 AI 不是合格心理服务提供者的安全有效替代,风险判断、诊断、修复与治疗师的裂痕等仍须由治疗师或危机热线承担。一项六款聊天机器人的测试均未达到危机应对的临床标准。
Jack.org于10月9日公布报告,称其网络内395名受访青年中,约三分之一至少每月一次借生成式AI寻求心理支持。该结果来自机构关联样本,不能外推加拿大青年总体,也没有证明AI支持的疗效或安全性。报告详细方法尚未核验。机构关联样本,不能代表加拿大青年总体;完整调查方法尚未核验,不能推断疗效或安全性。
心理健康应用Yana创始人Andrea发文宣布,Yana将改版为一款“舒适游戏”:用户记录感受后,专属小世界会随情绪变化天气,并配合日常自我关怀小活动;对话功能保留。她称旧版更像“急诊室”,用户多在难受时才打开,因此转向日常习惯养成。新版中Yana会更谨慎,避免使用治疗性语言或让人误以为能替代治疗师,危机时仍引导求助真人。
《JAMA Psychiatry》10月7日发表的一项单中心研究显示,AI相关精神病虽总体罕见,但在首次发作精神病患者中更常见。研究者在范德比尔特大学医学中心2022年12月1日至2026年4月15日接受心理卫生服务的215,712名患者中,识别出28例(0.013%)AI精神病,另有28例有AI相关妄想但无生成式AI使用证据;AI精神病组61%处于首次发作,高于后者的29%。多数案例中聊天机器人放大了既有症状(64%)或成为妄想焦点(21%),仅少数作为新症状的催化剂。研究局限包括单中心设计和未获临床验证的评级系统。
Common Sense于10月7日公布逾4000次提示测试,将ChatGPT青少年版评为“不可接受风险”。其称部分新账号未收到家长通知,危机转介亦不稳定,但部分回答质量改善。报告补注OpenAI所说的绑定约三小时等待期,称其账号包含等待不足及超过三小时两类。官方说明通知可能延迟且并非实时监护。测试在美国进行,前后模型变化与青少年设置混杂;不能据此估算真实青少年的受伤害比例。
推荐理由:涉及青少年心理支持及家长对技术保护的理解,值得精选。保留测试边界与通知等待期,不把转发日当报告日。
Sherry Turkle 在《华盛顿邮报》撰文讲述自己用"悲伤科技"生成母亲化身:她先用 You, Only Virtual 上传虚构短信,化身只反复给出陪伴式回应,令她失望;随后借 ChatGPT 角色扮演,得到一段细节丰富却不像母亲的回答。她由此追问,这类化身究竟帮助人们处理哀伤,还是让人拒绝告别。
治疗师很清楚,人们经常向AI聊天机器人寻求心理健康支持,但当AI聊天机器人强行挤进治疗过程本身时又会怎样?以下是临床医生和来访者如何应对这一现代治疗困境。
治疗师很清楚,人们经常向AI聊天机器人寻求心理健康支持,但当AI聊天机器人强行挤进治疗过程本身时又会怎样?以下是临床医生和来访者如何应对这一现代治疗困境。
MIT 教授 Sherry Turkle 在与《大西洋月刊》CEO Nicholas Thompson 的对谈中,基于新书《Artificial Intimacy: Who We Become When We Talk To Machines》及数百次真实访谈,指出随着 AI 能力提升,将生成式 AI 拟人化的危险愈发严峻。她详述了自己创建母亲模拟程序的经历,以及由此可能重新揭开的创伤。
Healthcare IT News 10月1日梳理加州医疗AI立法,记录SB903遭否决。该案拟约束心理治疗中的AI使用;最终文本保留若干专业审核及特定用途例外,不能简化为全面禁止AI心理支持。这是立法进展,未评估具体产品疗效。
推荐理由:已核对原始报道与证据边界;保留原日期,全文请见来源
San Francisco Chronicle 10月1日报道加州AI监管立法,记录SB903提出者对心理治疗法案遭否决表示失望,同时肯定其他获签法案。这是对监管边界的政治评价,不能作为AI治疗有效或无害的证据。
推荐理由:已核对原始报道与证据边界;保留原日期,全文请见来源
一项在巴西、英国和加拿大47个中心开展的随机对照试验测试了数字工具PETRUSHKA,它结合机器学习预测模型与患者对副作用的偏好,帮助临床医生选择抗抑郁药。520名符合条件者中493人纳入主分析,8周时PETRUSHKA组停药风险比常规治疗组低约40%(RR=0.62),24周时该差异不再明显;24周自评抑郁和焦虑症状在PETRUSHKA组更低,但组间差异小于临床重要变化阈值。
Spring Health 宣布其服务已嵌入 Workday Wellness,员工可在 Workday 中一键进入,雇主端设置与福利管理也更简化。首页为尚未预约的会员新增生活服务与状态自检两张卡片,预约成功页则把“加入日历”放在最前。Spring Insights 新增按辅导类型查看员工搜索或筛选的辅导主题。
东北大学研究者在 JMIR Mental Health 发表观点论文,讨论将聊天机器人用于陪伴和心理支持可能带来的成瘾式依恋、症状加重及其他心理风险。9月28日的机构报道采访了论文作者,强调拟人化和迎合式回应值得警惕。这是一篇观点与风险讨论文章,不是新开展的临床试验,也未测算风险发生率或确立因果关系。
推荐理由:原论文全文未读,仅据机构新闻转述;文中“linked to”为关联表述,不能读作因果。
佛罗里达大学研究者Yusen Zhai领衔的一项研究分析了近10万名年轻人的数据,报告用ChatGPT、Claude等生成式AI询问健康问题者,焦虑与抑郁筛查阳性的比值分别高出52%和46%。在控制年龄、种族与族裔、生理性别和社会经济地位后关联仍存在,但研究只显示关联,不能说明使用AI导致焦虑抑郁,或焦虑抑郁者更倾向用AI问健康。数据采集于2023至2024年,作者称这只是早期迹象。
推荐理由:研究为横断面关联分析,数据采集于2023至2024年生成式AI普及早期;原文明确不确立因果,也未说明筛查工具与样本抽样方式。
MIT 团队基于约1.6万组去标识的危机咨询对话,开发用词表和轻量模型估计风险等级的工具。研究关注特定咨询场景,词表也可能遗漏语境与近义表达;作者强调临床使用前仍需进一步验证和专业人员参与,不能据此对普通聊天中的个人作出诊断。
推荐理由:研究基于危机短信热线约1.6万段去标识对话,风险等级由该机构评估划分;工具尚未用于临床,作者强调需更多验证。
Morrin 等人在《柳叶刀·精神病学》以 Personal View 形式分析了 20 例媒体报道与网络自述案例,提出“AI 相关妄想”概念:部分人在与聊天机器人互动中,妄想信念出现、加重或改变。
一项828名成人随机试验比较COMET数字单次干预与等待名单,并用机器学习估计谁更适合干预。在预留20%的测试数据中,匹配指标未显著预测两周后的相对治疗收益。 只说明这次匹配算法未显示预期优势,不等于干预本身无效或所有个性化方法不可行。依据原始摘要;完整模型及外部验证未核。 完整作者资金和利益披露尚未逐项核验,不据此推定无利益冲突。
研究用机器学习分析接受药物治疗的重度抑郁症(MDD)患者早期功能连接变化,发现抗抑郁药反应与安慰剂反应关联着不同的神经环路。作者提出,这一区分或有助于改进个体化治疗策略。
World Psychiatry综述梳理登记资料、队列、电子病历、数字表型、脑影像和基因组等研究。作者指出,更大数据集能推进发现,但样本量不能自动保证准确;可靠测量、方法严谨及与临床问题的连接仍是关键。综述/观点整合,不是一项疗效试验;不支持AI已经实现个体化精准诊疗。
推荐理由:综述/观点整合,不是一项疗效试验;不支持AI已经实现个体化精准诊疗。
Common Sense Media旗下Youth AI Safety Institute对Perplexity AI搜索功能做风险测试,用配置为15岁用户的账号在默认聊天及Academic等模式下发超1200条提示,给出其最低评级“不可接受风险”。
推荐理由:评估由Common Sense Media旗下Youth AI Safety Institute完成,该机构接受慈善与行业资助,包括被评估技术厂商;测试基于配置为15岁用户的账号,非真实未成年人。
据澎湃对9月11日论坛的报道,心理健康从业者、研究者与技术行业代表讨论了AI陪伴、咨询边界和人工协作。有人强调其扩大服务可及性的潜力,也有人警惕迎合、风险识别和专业责任问题。 这是论坛观点报道;参与者角色与利益背景各异,未独立验证所有产品或疗效说法,不代表学界共识。 完整作者资金和利益披露尚未逐项核验,不据此推定无利益冲突。
CMS在2027合同年度Medicare Advantage与Part D规则中敲定DSF-E指标,按2027测量年绩效计入2029年星级评分并影响2030年质量奖金。该指标平均筛查率与30天内随访率两项得分,且筛查必须来自结构化临床结果,理赔数据无法生成筛查率。NCQA对2024年HEDIS数据的分析显示,健康计划仅筛查了17%的合格成员,但阳性筛查者随访成功率为67%。
《Nature Reviews Psychology》刊文讨论临床医生需要了解大语言模型如何推理。文章指出,大语言模型会给人可靠的推理印象,但可能在临床记录、评估和护理计划中引入有意义的错误,并带来潜在负面后果。作者认为,临床医生应实际理解这些系统如何运作、在何处出错,以及为何验证必须始终是安全使用的核心。
Spring Health 在2026年8月的更新中,让高 acuity 会员在完成评估后,结果页同时显示药物治疗与心理治疗选项,并附通俗解释。会员返回平台时会看到个性化下一步建议,如重新预约、完成复评或了解药物照护。平台称,专科照护导航员在会前会收到AI生成的会谈简报,汇总整个照护团队的最新记录、诊断与治疗目标。
安大略省学校调查发现,使用AI交流情绪的学生与心理困扰存在关联。 横断面设计无法确认方向,未调整比例与调整后的模型系数不是同一种效应,不能解释为AI使风险翻倍。 完整作者资金和利益披露尚未逐项核验,不据此推定无利益冲突。
一项发表于《美国心理治疗杂志》的研究调查了201名成年人(平均43岁),发现受访者对不含AI参与的心理治疗接受度最高,评分为6.57(1至7分制)。在文本对话中透明使用AI使接受度下降2.89分,远程视频中透明使用下降3.09分;隐蔽使用AI的接受度更低,远程视频下降4.65分、文本对话下降4.80分。研究者指出,该调查面向普通人群,且仅关注AI用于改善沟通,未涉及记录转录等其他精神科用途。