AI心理前沿早报｜2026-10-12

BlisseMind Insight AI心理前沿

今日导读

• 作者讨论：人工智能进入学校心理健康教育，由谁负责、人与机器如何分工

  这是一篇理论文章，不是实证研究，摘要里没有具体数据或案例。

• 观察性研究发现：直接调用应用程序接口时，AI聊天机器人更常直接回答自杀相关提问

  该研究提供了一手实证数据：同一模型在面向普通用户的界面与直接调用应用程序接口两种访问路径下的自杀相关直接回答行为存在系统性差异，且差异在更高风险提示上更明显。

• 生成式人工智能心理健康聊天机器人安排真人参与自杀风险筛查：流程跑得通，但被警报者中只有30.9%至42.4%被临床医生成功联系上

  这是目前少见的、在生成式人工智能心理健康聊天机器人中实际安排真人参与安全流程的前瞻性实施研究。

今日三项重点

1. 作者讨论：人工智能进入学校心理健康教育，由谁负责、人与机器如何分工

这是一篇理论文章，不是实证研究，摘要里没有具体数据或案例。

依据：教育发展论坛 (DOI)

2. 观察性研究发现：直接调用应用程序接口时，AI聊天机器人更常直接回答自杀相关提问

该研究提供了一手实证数据：同一模型在面向普通用户的界面与直接调用应用程序接口两种访问路径下的自杀相关直接回答行为存在系统性差异，且差异在更高风险提示上更明显。

依据：Journal of Medical Internet Research（《医学互联网研究杂志》）

3. 生成式人工智能心理健康聊天机器人安排真人参与自杀风险筛查：流程跑得通，但被警报者中只有30.9%至42.4%被临床医生成功联系上

这是目前少见的、在生成式人工智能心理健康聊天机器人中实际安排真人参与安全流程的前瞻性实施研究。

依据：JMIR Formative Research (通过 PubMed 摘要)

AI心理行业动态

作者讨论：人工智能进入学校心理健康教育，由谁负责、人与机器如何分工

本期关注｜学术观点｜来源日期：2026-10-10

事件： 这是一篇发表在《教育发展论坛》的理论文章，目前只能看到摘要。文章认为，生成式人工智能进入学校心理健康教育会带来三类风险：教育者退居次要位置、学生被简化成数据、师生关系变得疏远。作者借用儒家主体性思想（君子不器、为仁由己、成己成物），从价值定位、目标转向、关系重建与素养培育四个方面提出建议，并设想一种以功能分工、责任边界与制度保障为条件的人与机器协同教育形态。作者为杨科、李博。

为什么重要： 《教育发展论坛》发表的一篇文章讨论：用生成式人工智能辅助学校心理健康教育，虽然能提高效率，但也可能带来三类风险——教育者退居次要位置、学生被简化成数据、师生关系变得疏远。

作者借用儒家“君子不器”“为仁由己”“成己成物”等说法，从价值定位、目标转向、关系重建与素养培育四个方面提出建议，主张先想清楚人工智能该承担什么、不该承担什么，以及一旦出问题由谁负责、靠什么制度管住它，由此设想一种功能分工明确、责任边界清晰、制度兜底的人与机器协同教育模式。文章属理论探讨，目前只能看到摘要，没有验证过实际效果。

编辑判断： 这是一篇理论文章，不是实证研究，摘要里没有具体数据或案例。它的价值在于提供了一套分析框架，用来讨论人工智能做心理健康教育时的主体性问题，并尝试从中国本土的儒家思想里找回应思路。文中提到的功能分工、责任边界与制度保障三个方面，属于对人工智能在学校心理健康场景中角色定位的理论探讨，不代表任何临床效果已经得到验证，也不构成政策建议。

后续观察： 文章全文是否给出功能分工、责任边界、制度保障三方面的具体操作定义；有没有实证研究检验过学校场景中人工智能心理健康教育对学生主体性的实际影响

来源：教育发展论坛 (DOI)

观察性研究发现：直接调用应用程序接口时，AI聊天机器人更常直接回答自杀相关提问

持续追踪｜研究发表｜来源日期：2026-10-09

事件： 证据范围：仅摘要，未阅读全文。

研究题为《Suicide-Related Responses From AI Chatbots Through Application Programming Interfaces and Consumer-Facing Apps: Observational Cross-Sectional Comparative Study》，作者为Jonathan Cantor等，发表于《医学互联网研究杂志》（JMIR），DOI 10.2196/97968，出版日期2026年10月9日（按DOI登记出版日期）。

设计为观察性横断面研究，非随机对照试验。方法：5款面向普通用户的AI模型（ChatGPT、Claude、Gemini、Grok、Llama），30条临床医生评定风险等级的提示词，每条通过公共用户界面和直接应用程序接口各提交100次，共30,000条回复；主要结局为是否直接回答提示（提供与问题相关的具体信息或指导）。

回复由盲法大语言模型分类器（GPT-4o mini）分类，并与独立人工编码比对（289/300，一致率96.3%；Cohen κ=0.89）。

摘要结果：30,000条中69.8%（n=20,934）为直接回答；经应用程序接口访问77.4%（n=11,609）高于经用户界面访问62.2%（n=9,325）；但Gemini经用户界面访问（76.7%，n=2,301）略高于其经应用程序接口访问（71.0%，n=2,131）。

高风险提示：经应用程序接口访问80.1%（n=2,002）对经用户界面访问48.4%（n=1,209）；极高风险提示：经应用程序接口访问24.8%（n=743）对经用户界面访问4.6%（n=138）。

跨两种访问方式合计，Claude 78.1%（n=4,688）、Gemini 73.9%（n=4,432）最高；ChatGPT 64.6%（n=3,878）、Grok 64.5%（n=3,870）、Llama 67.8%（n=4,066）较低。

混合效应模型：经用户界面访问相对经应用程序接口访问直接回答的比值比（OR）0.09（95% CI 0.08-0.10）；提示风险越高直接回答概率越低，访问方式差异随风险等级和模型变化。作者结论：AI安全取决于用户访问模型的方式，在用户界面中观察到的安全性不应假定可推广到应用程序接口访问或基于应用程序接口构建的应用，评估与政策应考虑访问方式。

来源表述： 无公司声明或商业发布；研究由Jonathan Cantor等作者完成，发表于《医学互联网研究杂志》（JMIR）。

为什么重要： 《医学互联网研究杂志》（JMIR）发表的一项观察性横断面研究，对ChatGPT、Claude、Gemini、Grok和Llama五款AI聊天机器人各提交30条经临床医生评定风险等级的英文自杀相关提示，分别通过面向普通用户的界面和直接调用应用程序接口（API）各提交100次，共获30,000条回复。

摘要报告：经应用程序接口访问时直接回答率为77.4%，经用户界面访问时为62.2%；在极高风险提示下，应用程序接口为24.8%、用户界面为4.6%。研究结论指出，AI安全取决于用户访问模型的方式，在面向普通用户的界面中观察到的安全性不应假定可推广到应用程序接口或基于应用程序接口构建的应用。

编辑判断： 该研究提供了一手实证数据：同一模型在面向普通用户的界面与直接调用应用程序接口两种访问路径下的自杀相关直接回答行为存在系统性差异，且差异在更高风险提示上更明显。对行业而言，这意味着仅评估面向普通用户的界面不足以覆盖应用程序接口及第三方应用的安全风险；面向开发者的应用程序接口访问可能构成安全防护较弱的通道。

方法学上采用大样本、盲法分类并与人工编码比对，但作为观察性横断面研究，摘要级证据只能支持关联描述，不能推断因果、临床效果或伤害后果；各模型分数为两种访问方式合计，不能单独解读为某一访问方式下的模型排名。

后续观察： 跟踪JMIR及同类期刊是否发表针对应用程序接口访问方式下AI心理健康回复安全的后续研究；关注各国AI心理健康监管指南是否将访问方式作为安全评估维度；观察基于应用程序接口构建的AI心理应用是否公开其安全测试方法与结果

来源：Journal of Medical Internet Research（《医学互联网研究杂志》）

生成式人工智能心理健康聊天机器人安排真人参与自杀风险筛查：流程跑得通，但被警报者中只有30.9%至42.4%被临床医生成功联系上

本期关注｜研究发现｜来源日期：2026-10-09

事件： 该研究为单臂前瞻性实施研究，在一款人工智能原生心理健康聊天机器人中，安排了真人参与的自杀风险筛查、检测与临床升级流程。参与者为在线招募的成人，使用PHQ-9（患者健康问卷-9）进行预处理筛查。第一阶段：624人完成自杀筛查，81人（13.0%）在PHQ-9第9项得分>1；警报后平均11.2分钟（SD=13.2，范围1-54分钟）启动联系；临床医生成功联系25/81人（30.9%）。

第二阶段：650人完成筛查，133人（20.5%）基线筛查阳性；30天观察期内172人（26.5%）触发284次风险警报事件，包括50次对话中出现的自杀意念事件；临床医生成功联系73/172人（42.4%）；从发现风险到临床医生发起联系平均11.5分钟（SD=11.7，范围1-58分钟）。

两个阶段中，ASQ（Ask Suicide-Screening Questionnaire，自杀筛查问询表）指导人工评估和风险分层。部分对人工临床联系有回应的人认为这种方法可以接受而且有帮助。研究由Digital Therapeutics, Inc.和加州大学洛杉矶分校大卫·格芬医学院精神病学系的作者完成。

为什么重要： 一项前瞻性实施研究在生成式人工智能心理健康聊天机器人中，安排了真人参与的自杀风险筛查与临床升级流程。第一阶段624名参与者中13.0%报告自杀意念，临床医生成功联系到30.9%；第二阶段650人中20.5%基线筛查阳性，30天内172人触发284次风险警报，成功联系42.4%。

从发现风险到临床医生发起联系平均约11分钟。研究结论指出该流程可以落地运行，但相当比例被警报的人没能完成接触和临床评估。

编辑判断： 这是目前少见的、在生成式人工智能心理健康聊天机器人中实际安排真人参与安全流程的前瞻性实施研究。关键发现不只是流程“跑得通”，更在于暴露了实施中的核心缺口：即使检测和联系流程正常运转，仍有约六成被警报者没能被临床医生成功联系上。摘要没有报告该流程对临床结局（比如自杀尝试率）的影响，只描述了实施过程和接触率。这提示做人工智能心理产品时，安全流程设计必须考虑“联系不上的人”该怎么办。

后续观察： 该研究全文是否报告了50次对话中自杀意念事件的后续处理结果；是否有研究对比不同联系方式（电话、短信、应用内）的接触率差异

来源：JMIR Formative Research (通过 PubMed 摘要)

科隆大学400人随机对照试验：语音生成式AI情绪陪伴应用Sonia的焦虑与安全性数据已登记

持续追踪｜来源资料归档｜来源日期：2026-10-06

事件： 注册信息（NCT07860034）显示：研究机构为德国科隆大学（University of Cologne），研究类型为干预性随机对照试验，分配方式为随机、平行分组、无设盲，主要目的为支持性照护，实际入组400人。试验组为Sonia Arm，获得AI情绪支持应用的使用权限；对照组为安慰剂对照，接受基于网页的心理教育材料，材料内容为世界卫生组织（WHO）公开信息的摘要。

干预措施描述称，Sonia是一款商用语音应用，围绕人工智能生成的语音实时对话构建：首次会话评估用户情境并生成“个案概念化”，该概念化指导并随新信息持续更新后续会话内容与结构；每次后续会话按认知行为疗法（CBT）的五个标准模块组织（情绪检查、协作式议程设定、会话间练习回顾、特定技术介绍与演练、家庭作业）。

技术层面，Sonia使用推理模型生成并持续更新该“个案概念化”。主要结局指标两项：一是广泛性焦虑障碍量表（GAD-7，7条目自评，0至21分，分数越高症状越重），二是相对其他AI聊天机器人的自评安全感知（是/否，答否则开放文本说明原因），两项观察时间窗均为2周。

研究实际开始日期2025年11月14日，主要完成日期2025年12月2日，完成日期2025年12月24日，整体状态为已完成；首次提交日期2026年9月24日，首次发布与最后更新发布均为2026年10月6日。结果部分（resultsSection）为空。

来源表述： 该试验由德国科隆大学（University of Cologne）作为申办机构登记并开展，属学术机构研究行为，不涉及企业就产品效果作出的口径表述。注册信息中提及的Sonia为“商用”应用，但未披露其开发公司名称，也未给出任何企业方的疗效或安全性声明。

为什么重要： 德国科隆大学在美国临床试验注册库登记一项已完成、样本400人的随机对照试验，评估语音生成式AI情绪陪伴应用Sonia对焦虑水平和安全性（相对其他AI聊天机器人的自评安全感知）的影响，对照组接受基于网页的世界卫生组织心理教育材料。两项目标观察期均为2周，但注册页面结果部分为空，因此目前只能确认研究设计与结局指标，不能据此认为该应用已被证明有效或安全。

编辑判断： 这是目前较少见的、针对语音生成式AI情绪陪伴应用、采用随机对照设计且样本量达400人的注册试验，值得作为证据分级中的“待结果”研究对待。两项主要结局把焦虑症状变化与“相对其他AI聊天机器人是否感到安全”并列，说明研究者把安全性视为与症状改善同等重要的一级指标，这一点对行业评估框架有参考价值。

但需注意三点局限：一是注册页面结果为空，尚无任何数据可引用；二是试验无设盲、对照组为心理教育材料而非另一款AI产品，安全性指标为自评且依赖比较对象的主观理解；三是2周的观察窗口较短，不足以支持长期或临床有效性的结论。此外，从注册到结果发布存在时间差（研究2025年12月完成，2026年10月才首次登记公开），提示外界对该类试验的可见性仍依赖研究者主动披露。

后续观察： 检索 Sonia 应用的开发方及其是否在其他注册库有并行研究；关注科隆大学团队是否发表该试验的同行评审论文；留意同类语音AI情绪陪伴产品是否跟进采用随机对照试验与安全性自评结合的评估框架

来源：University of Cologne

欧洲学者发表观点文章，讨论AI进入精神科诊疗后的责任划分与诊疗标准

背景研究｜学术观点文章发表｜来源日期：2026-10-05

事件： 根据JMIR（《医学互联网研究杂志》）官网记录，该文于2026年10月5日发表在《Journal of Medical Internet Research》第28卷（2026年），文章类型为观点文章（Viewpoint），标题为《Liability and Standard of Care in AI-Driven Psychiatric Practice: European Viewpoint》。

作者为Luis Madeira、Cíntia Águas、Meryam Schouler-Ocak、Jerzy Samochowiec、Silvana Galderisi、Mariana Pinto da Costa。该文预印本曾于2026年4月30日发布。抓取页面为指标页，内容仅含发表信息、作者列表和Altmetric、Dimensions等计量信息，未包含正文或摘要。

来源表述： 该文作者为Luis Madeira、Cíntia Águas、Meryam Schouler-Ocak、Jerzy Samochowiec、Silvana Galderisi、Mariana Pinto da Costa，属学术作者而非公司；截至抓取内容，文章未出现任何企业、政府或专业组织的声明或承诺。

为什么重要： 《医学互联网研究杂志》（JMIR）刊出一篇观点文章，标题为《AI驱动精神科实践中的责任与诊疗标准：欧洲视角》，作者来自多国精神医学机构。文章议题是AI进入精神科诊疗后，责任归属与“诊疗标准”如何界定的法律与临床问题。但抓取页面仅为指标页，没有摘要和正文，因此具体主张、案例与结论均无法核实，读者只能确认该议题已被欧洲学者公开提出。

编辑判断： 这是学术观点文章而非实证研究，也未提供摘要，因此不能推断AI在精神科诊疗中的责任规则已经明确，更不能推断任何具体产品合法或违规。可确认的趋势是：随着AI进入精神科场景，责任分配与诊疗标准成为欧洲精神医学界公开讨论的议题。观点文章本身不等于同行评审得出的结论，其主张需以全文为依据复核。

后续观察： 获取该文全文，核实其提出的责任与诊疗标准主张；追踪是否有欧洲监管或专业机构就该议题发布新指南

来源：Journal of Medical Internet Research（《医学互联网研究杂志》）- 文章指标页

语音虚拟患者用大模型模拟抑郁症访谈，小型先导研究显示评分接近预设轮廓

背景研究｜学术研究｜来源日期：2026-10-02

事件： 该研究开发并评估了一个语音虚拟患者模拟系统，使用大语言模型（LLM）模拟具有特定症状轮廓、人口学背景和不同沟通风格的患者。评估方式为混合方法：5名有经验的临床评分者对4个虚拟患者角色进行模拟结构化蒙哥马利-阿斯伯格抑郁评定量表（MADRS）访谈并打分，同时就临床合理性、叙事连贯性和对话真实性提供定性反馈。

共20次访谈中，虚拟患者对预设临床轮廓的依从性尚可，评分者MADRS条目分与预设分的平均差值为0.52（SD 0.75），总分评分者间信度为0.90（95% CI 0.68-0.99）。专家评分者对真实感与连贯性的定性评价平均落在“同意”到“强烈同意”之间。

研究结论称，大语言模型驱动的虚拟患者模拟为标准化临床评估培训提供了有希望、可扩展的工具，该先导研究为系统生成具有一定保真度的临床相关练习场景提供了初步证据。作者机构包括美国纽约Brooklyn Health、澳大利亚新南威尔士大学心理学院和美国耶鲁大学医学院精神科。

为什么重要： 一项发表于《医学互联网研究杂志》的混合方法先导研究，用基于大语言模型（LLM）的语音虚拟患者系统模拟抑郁症临床访谈。5名有经验的临床评分者对4个虚拟患者角色完成20次结构化访谈评分，条目分与预设分平均差0.52，总分评分者间信度0.90。研究结论称该系统有望用于临床评估培训，但样本小、属概念验证，不等于培训效果或临床有效性证据。

编辑判断： 这项研究针对的是临床医生培训环节，而非患者端的AI心理服务；它要解决的是标准化评估训练缺乏可扩展、真实练习机会的问题。评分者间信度0.90和条目均差0.52反映的是“虚拟患者是否贴合预设轮廓、评分是否稳定”，而不是“受训者能力是否提升”。摘要未报告培训前后的受训者表现对比，也没有对照组，因此不能据此推断AI培训优于传统培训。

5名评分者、4个角色、20次访谈的规模，只能支持概念验证层面的结论。虚拟患者由大语言模型生成，其在真实临床访谈中的稳定性、对边缘或高风险表述的应对，摘要均未涉及，属尚未回答的问题。

后续观察： 检索该研究的全文或预印本，确认是否报告受训者层面的培训效果数据；关注同一团队是否推进更大规模的随机对照设计；跟踪大语言模型虚拟患者在精神科教学中的监管与伦理讨论

来源：Journal of Medical Internet Research（《医学互联网研究杂志》）PubMed摘要

未来 7–30 天观察清单

• 文章全文是否给出功能分工、责任边界、制度保障三方面的具体操作定义

• 有没有实证研究检验过学校场景中人工智能心理健康教育对学生主体性的实际影响

• 跟踪JMIR及同类期刊是否发表针对应用程序接口访问方式下AI心理健康回复安全的后续研究

• 关注各国AI心理健康监管指南是否将访问方式作为安全评估维度

• 观察基于应用程序接口构建的AI心理应用是否公开其安全测试方法与结果

• 该研究全文是否报告了50次对话中自杀意念事件的后续处理结果