脑连接模式对应孤独症青少年的感觉加工类型
一项新研究分析146名3至21岁孤独症儿童与青少年的静息态功能磁共振数据，发现大脑皮层与皮层下区域的功能连接指标可预测其所属的感觉表型。研究团队用图论量化脑网络，再以机器学习区分此前确立的五种感觉表型，十组配对中成功区分七组，最准确的是“感觉适应型”与“广泛感觉差异型”之间。研究未区分孤独症症状严重度、智商与共病，且部分表型间差异不显著。
#AI研究与测量
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。
PsyPostAI 评分5555
Nature Mental HealthAI 评分4343 深度学习解析脑-行为维度，识别ADHD与焦虑障碍青少年的跨诊断生物型
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。
PsyPost精选AI 评分6868 深度学习模型将视觉扭曲与未来抑郁风险联系起来
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。
MIT · 认知与脑科学AI 评分2222 MIT 研究：人工神经网络能否自组织出学习机制
MIT 麦戈文研究所与 ICoN 中心科学家 10 月 9 日在 PNAS 发文提出，判断人工神经网络对大脑学习是否有参考价值，关键看它能否在没有开发者干预下自我组织。他们构建的随机连接网络仅凭“同时激活的神经元连接增强”等简单规则，便自组装出功能回路，学会识别模式与分类图像，性能与依赖反向传播训练的网络相当。作者称自组织是迈向生物合理性的第一步，并不代表该网络与大脑学习方式相同。
Nature Human BehaviourAI 评分4141 大型语言模型模拟人类经济偏好：74国调查显示文化差异捕捉不足
一项发表于 Nature Human Behaviour 的研究模拟了74个国家的全球经济偏好调查，发现大型语言模型能复现人类偏好中的部分人口统计模式，却无法捕捉文化差异，在低收入国家尤为明显。
PsyPostAI 评分4040 科学家从人类脑电波中解码出想象旋律的基本结构
首尔国立大学的Jii Kwon与Chun Kee Chung团队在eNeuro发表小样本研究，对10名难治性癫痫患者用皮层脑电图记录其默想熟悉儿歌时的脑活动，机器学习模型按相对音高（Do至La六类）解码单个想象音符，平均准确率约26%，高于随机猜测的16%。模型无法从同一脑数据中解码绝对音高，但将逐音预测按时间串联后，能重建想象歌曲整体上行与下行的旋律轮廓，双侧颞上回和左中央前回贡献了主要信息。
PsyPostAI 评分4040 大脑可能用共享神经编码识别面孔、身体与物品中的性别信息
中科院心理研究所Wenjie Liu等用fMRI记录22名成年人观看男女面孔、身体及性别关联物品时的脑活动，发现右侧颞中回是唯一在面孔、身体、物品三种线索间均能跨类解码性别的区域，且其活动模式最接近人工神经网络的中层。该区域并非性别专用，也携带图像类别信息；面孔与身体条件下的脑区连接模式相似，物品条件则不然。论文为已评审预印本，发表于eLife。
PsyPostAI 评分5555 小群聊中人们会调整政治表达以贴合群内立场
两项AI模拟同事群聊实验发现，参与者表达的政治立场会向群聊的主流倾向偏移：保守倾向群聊中的表达均值0.21，自由倾向群聊为-0.56；第二项研究控制参与者原有政治立场后，该效应仍存在（0.12对-0.38），但原有立场解释的差异（22%）远大于群聊环境（4%）。研究由大阪公立大学Cleone Mitsui与Yuta Kawamura完成，发表于《Computers in Human Behavior: Artificial Humans》。作者强调测量的是聊天中表达出的立场，不能说明私下信念或长期态度发生改变，也无法区分群体规范与信息说服内容的作用。
Pew Research Center · AI与工作学习AI 评分00 Pew Research Center 方法：用合成样本复现三轮 ATP 调查
Pew Research Center 发布方法说明，介绍将合成民调结果与真人基准调查进行对比的做法。研究先搭建用于实施合成调查的自定义架构，再选取其 American Trends Panel 的第 185、190、192 三轮调查，在合成样本上复现。
Pew Research Center · AI与工作学习AI 评分00 合成民调结果如何随 AI 模型不同而变化：Opus 4.6 与 GPT-5.1 给出不同美国民意图景
皮尤研究中心的调查实验显示，用 Opus 4.6 和 GPT-5.1 生成的合成民调结果描绘出差异明显的美国公众舆论图景，且两者都不反映现实。
Pew Research Center · AI与工作学习AI 评分00 Pew Research Center：合成民调如何捕捉公众舆论的多样性
Pew Research Center 探讨合成民调能否捕捉公众舆论的多样性。其指出，AI 受访者比人类受访者更倾向于对某一选项达成一致，或完全避开某个回答选项。
Pew Research Center · AI与工作学习AI 评分00 Pew Research Center：合成调查未能复现2026年初公众对时事议题的看法
Pew Research Center 指出，合成调查未能复现2026年初公众对时事议题的看法，涉及总统支持率和对数据中心的看法。
Pew Research Center · AI与工作学习AI 评分00 Pew Research Center：AI合成受访者如何表达确定性与事实知识
Pew Research Center 比较了AI合成受访者与人类在调查中的作答差异，发现AI受访者选择“不确定”或给出事实性错误答案的可能性远低于人类。
Pew Research Center · AI与工作学习AI 评分1111 Pew Research Center：合成样本如何复现公众舆论
Pew Research Center 探讨合成样本对公众舆论的复现程度。材料显示，合成受访者往往夸大不同人口统计子群体之间的差异，并把部分回答呈现为近乎普遍。
Pew Research Center · AI与工作学习AI 评分4242 皮尤研究中心：AI 数字孪生能替代人类受访者吗？恐怕不能
皮尤研究中心指出，用数字孪生开展的合成调查难以准确估计公众情绪，在部分子群体中尤其容易出错，包括共和党人和黑人成年人。
The Mental Elf精选AI 评分8080 PETRUSHKA工具：用预测模型匹配抗抑郁药
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。
Wiley期刊历史署名 家庭冲突中的应对方式，是一项青少年行为评分预测研究的重要线索
研究以242个家庭的资料，比较8种算法，用一年前测得的15项家庭及儿童指标预测之后的行为问题量表得分。作者报告支持向量回归表现最佳，冲突中的脱离反应是重要预测变量。 变量重要性不能证明因果，也不能用于给孩子贴标签。当前核到原始摘要，数据分割、外部验证与校准尚未核清。 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。
MIT · 认知与脑科学精选AI 评分7878 MIT研究用对话文本估计危机情境中的自杀风险
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。
SAGE期刊历史署名 一次数字干预的个性化匹配，未在保留测试样本中显示优势
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。
Nature Mental HealthAI 评分4545 抗抑郁药与安慰剂诱导的早期脑功能连接变化
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。
Science Media Centre · 心理相关专家评议AI 评分4242 专家评议：REM/深睡与多种疾病风险相关，而非仅睡眠时长
针对一项发表于 PLOS Medicine、基于英国生物银行近9.6万名参与者、随访近9年的前瞻性研究，剑桥大学 Nina Rzechorzek 等专家指出，该研究用深度学习模型从腕部活动推断 REM/深睡，而非多导睡眠图直接测量，模型分类表现仅为中等。专家强调，结果只表明睡眠模式与疾病风险存在关联，不能证明增加 REM 或深睡、或把睡眠强行控制在 6–8 小时可预防疾病；将排除期延长至两年后，原156项显著关联仅剩95项，提示反向因果仍值得关注。
Wiley期刊历史署名精选 精神医学大数据综述：样本更大仍不能替代测量质量与临床问题
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。
Greater Good · UC Berkeley精选AI 评分7272 AI能预测谁适合你吗？关系科学家谈匹配算法
关系科学家在Greater Good撰文指出，约会应用正把匹配交给AI，但关系科学尚无可靠依据预测任意两人是否合得来。研究显示相似性主要在见面之前预测吸引，短暂互动后作用明显减弱；互补人格与伴侣相似度更高的假设也缺乏实证支持。作者认为AI可能帮助发现人类未识别的模式，但其训练依赖对“合得来”的特定假设，可能让人错过意外契合的对象。
推荐理由：作者为关系科学家，文中引用的相似性、互补性证据来自其研究团队及他人已发表研究；实验室关于线上到线下“化学反应”的项目尚在进行，未给出结果。
APA期刊历史署名 AI能识别青少年手机文本中的负面语言，但还不是抑郁诊断工具
一项8月发表的研究，用223名青少年的手机文本检验语言模型。模型在情感分类任务上取得较高表现，负面自我语言与之后情绪有关；但抑郁发作关联在敏感性分析中不稳健。 F1是文本情感分类指标，不是抑郁诊断；敏感性分析未稳定支持抑郁发作关联，也未验证干预App。 F1=.84衡量文本情感分类，并非抑郁诊断准确率。研究不证明干预产品有效；原始文本和微调模型受隐私限制，且作者披露相关企业及研究资助关系。 作者披露Ksana Health、Snap等企业关系；另有提交研究后获得的OpenAI资助，不能称无利益冲突。
心理科学进展精选AI 评分6767 心理治疗也需要质检：忠实度测量为何重要
杨浩然、孙焕翔、刘晓明在《心理科学进展》发表文章，讨论心理治疗忠实度测量——即治疗在多大程度上按预定方案实施，包括依从性与胜任力两个维度。文章指出，观察性编码虽较可靠但耗时耗力，自我报告、治疗记录、来访者报告和角色扮演各有偏差，而自然语言处理与大语言模型有望辅助初步筛查和编码，但需在隐私与伦理前提下保留人类专家的最终判断。
MIT · 认知与脑科学精选AI 评分6767 大脑如何进行视觉学习：动物与类脑网络对比
MIT麦戈文研究所与约克大学团队将动物与类脑人工神经网络训练识别同类物体，发现模型性能提升时其内部重组方式与动物大脑中检测到的变化高度平行，论文7月8日发表于《自然通讯》。
ACAMH · 儿童与青少年心理健康博客AI 评分5050 对青少年而言最重要的人生事件是什么？z-proso 研究用 NLP 分析 5,670 段自述
苏黎世 z-proso 研究在 15、17、20、24 岁四个时间点向 1,442 名年轻人提出同一个开放式问题，共收集 5,670 段自述，并用 BERTopic 主题建模与大语言模型分类器归纳出 12 个主题、五大领域。约 83% 的事件为正面，最常被提及的是学校、教育与学徒经历；内化症状较高者更倾向提及恋爱友谊、心理健康与压力事件和丧失，较少提及学业与成就类里程碑。
Elsevier期刊历史署名 疼痛影像预测整合脑与脊髓信号，临床适用性仍待验证
研究以92名健康学生的热痛影像开发脑—脊髓联合预测模型，并在39名热痛/瘙痒参与者与50名电痛参与者中检验跨样本表现。模型输出与主观痛强度有关，但这不意味着能够客观替代一个人的疼痛报告。 单次试验内相关较弱，低痛强度表现有限。临床扩展只有一种慢性疼痛人群且样本较小，不能将健康学生的影像数据当成同等数量的患者，更不能据此推荐电刺激或针灸治疗。 论文列明国家重点研发计划、国家自然科学基金等支持，作者声明无利益冲突；这不是独立验证利益无关的证明。
Springer Nature期刊历史署名 A reporting checklist for large language models in behavioural science
一份共识报告提出心理学研究中使用大语言模型的报告清单，强调透明、可复现和伦理说明。它提供研究报告的方法建议，不是对某个模型有效性或临床安全性的认证。 这是发布信息或作者陈述，不等于新的独立实验证据。 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。
arXiv预印本历史署名 AI识别心理防御机制：基准分数揭示能力边界
一项预印本整理了AI识别支持性对话中防御层级的公开评测。最佳系统宏平均F1为0.420，少数类别仍容易被误判。这是英语小语料上的分类任务，标签与分数都不等于读懂一个人的内心或临床诊断；作者也明确将用途限于研究。 本条只发布已核材料支持的限定短摘要，不能由此证明普遍因果、诊断或治疗效果。 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。
Springer Nature期刊历史署名 穿戴数据配合人工教练：PerMA仍是无对照先导研究
PerMA把穿戴与日记数据、机器学习和人工健康教练结合，用于选择生活方式行动目标。50人入组，40人完成全部6次教练会谈；这40人的PHQ-9抑郁评分前后平均下降3.5分。干预结束后6周、12周分别有28人和22人提供随访。 这是无对照先导研究，不能将前后变化归因于AI，也不能代表全部入组者持续改善。 本条只发布已核材料支持的限定短摘要，不能由此证明普遍因果、诊断或治疗效果。 NIMH和Hope for Depression Foundation支持。C.T.T.披露近3年药企有偿咨询及UpToDate编辑报酬；其他作者声明无利益冲突。另有BrainE商业版权及机器学习流程发明披露。披露本身不证明结论有偏差。
Springer Nature期刊历史署名 嘈杂环境中听不清，不只是“不够专心”
为什么我们有时能从嘈杂人声中听清目标说话者，有时又会听错？研究者构建的听觉模型重现了人类在多种条件下的成功与失败，并提出了随后在人类实验中得到支持的预测。结果涉及特定提示和词语辨认任务，并不意味着听不清只是“不够专心”，也不是已经可用的听力治疗。 本条只发布已核材料支持的限定短摘要，不能由此证明普遍因果、诊断或治疗效果。 NIH R01 DC017970资助，资助方未参与设计、数据、发表；作者声明无利益冲突。
Eiko Fried · 心理研究与方法AI 评分2222 WARN-D 抑郁症预测机器学习竞赛上线 Codabench
ERC 资助的 WARN-D 项目在完成近 5 年数据收集后，于 Codabench 上线预测抑郁症发作的机器学习竞赛，由博士后 Rayyan Tutunji 领衔。竞赛数据覆盖约 1,750 名年轻成人、为期 2 年的三阶段随访，开放 70% 数据及 30% 留出集的预测变量，参赛者需预测每人在各测量点的抑郁发作。截止日期为 2 月 27 日，前三名团队将列为论文作者。
Data Colada · 方法与纠错AI 评分2323 Data Colada 评 QJE 领英审计研究：197 对 AI 照片刺激缺乏多样性
Data Colada 发文评论一篇 QJE 领英审计研究，该研究用 AI 生成约 400 个虚构年轻男性领英档案、随机分配种族并发出 3 万多条连接请求，发现黑人档案连接率更低但获建议率相当。作者用刺激图分析 197 对照片，发现效应差异未超出抽样误差预期，查看材料后认为这些 AI 照片缺乏可辨多样性，构成该研究的有趣缺陷。