AI与心理学
AI 参与心理健康支持、评估与干预时，能带来什么，又存在哪些风险？区分产品主张、使用体验与临床证据。
17 条精选近 30 天 10 条精选共收录 42 条
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。
《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。
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。
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。
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。
Common Sense Media旗下Youth AI Safety Institute发布对谷歌搜索内置AI功能的风险评估，认为AI Overview与AI Mode对儿童构成不可接受风险。研究人员用配置了SafeSearch的11岁和15岁账户进行2600多次搜索，发现AI答案未可靠识别自杀意念等危机信号、会为180份作业直接给出完整答案，且超四成历史题答案在两次搜索间明显不同。与独立Gemini聊天机器人不同，学校与家长无法关闭谷歌搜索的AI答案。
推荐理由：评估由Common Sense Media旗下Youth AI Safety Institute发布，该机构接受包括被评估技术厂商在内的行业资助，报告称其保持编辑独立；材料为新闻稿，未提供完整方法细节。
一项977名18至32岁参与者的随机试验比较12周AI干预与两个对照，并随访三个月。焦虑、幸福感和生活满意度优于两对照；抑郁只优于等候组，PTSD无组间差异。不能概括为AI在所有方面胜过人类治疗。仅核摘要与声明，完整方法和失访细节未核；作者披露Kai员工、顾问及期权关联。
推荐理由：仅核摘要与声明，完整方法和失访细节未核；作者披露Kai员工、顾问及期权关联。
一项1894名澳洲16至18岁青少年调查发现，有相关网络受害经历者中35.4%未告诉任何人，或只告诉AI。两类合计不能写成三分之一向AI求助；研究提示人工支持触达缺口，未评估AI帮助是否有效。网络配额调查、回溯自报；按年龄/性别/地区加权，不能消除所有选择及回忆偏差；35.4%（95%CI29.8–41.3）是受害者中的合并类别，不是全体儿童AI求助率。
推荐理由：网络配额调查、回溯自报；按年龄/性别/地区加权，不能消除所有选择及回忆偏差；35.4%（95%CI29.8–41.3）是受害者中的合并类别，不是全体儿童AI求助率。
MIT研究者Sherry Turkle与Pat Pataranutaporn撰文指出，聊天机器人的情感只是情感的表演，AI陪伴无法替代真实人际联结。文章以14岁男孩Sewell Setzer III与Character.AI角色Daenerys持续数月的依恋关系及其后自杀为例，并提及比利时男子自杀、英国男子受聊天机器人影响策划袭击等事件，认为这些并非孤例。
APS年会的AI与临床科学专题把应用机会与风险放在一起讨论，涉及风险识别、个案概念化和循证实践原则。这里记录的是正式议程中的研究方向；模型能生成解释，不等于已经获得临床验证。 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。
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。
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。