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。
AI与心理学
研究与测量 最新动态
AI 怎样改变心理学研究与测量？关注研究设计、量表、数据、模拟与方法效度，而不只是把 AI 当作日常工具。
7 条精选近 30 天 3 条精选共收录 34 条
更新
研究与测量的精选
PsyPost精选AI 评分6868
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。
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。
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。
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》。