AI心理前沿早报｜2026-10-21

BlisseMind Insight AI心理前沿

今日导读

• 英国访谈：心理从业者接受AI协助评估与治疗，反对AI自行下诊断

  这是从从业者视角做的定性研究，不是产品测试或疗效试验，不能据此推断任何工具的诊断准确率或治疗效果。

• 综述：癌症患者用的对话式AI心理支持研究分散，临床效果与安全评估报告明显不足

  这是摘要级证据，功能计数混合了实际交付与计划设计，不能据此判断任何产品的疗效。

• 欧洲精神科医生评论文章：呼吁国际合作推进AI进入精神科，未报告研究结果

  这篇评论提供的是欧洲精神科视角的问题清单：人力与资金约束、治疗可及性、青少年心理健康。

今日三项重点

1. 英国访谈：心理从业者接受AI协助评估与治疗，反对AI自行下诊断

这是从从业者视角做的定性研究，不是产品测试或疗效试验，不能据此推断任何工具的诊断准确率或治疗效果。

依据：PubMed / JMIR Mental Health

2. 综述：癌症患者用的对话式AI心理支持研究分散，临床效果与安全评估报告明显不足

这是摘要级证据，功能计数混合了实际交付与计划设计，不能据此判断任何产品的疗效。

依据：Journal of Medical Internet Research（PubMed 摘要）

3. 欧洲精神科医生评论文章：呼吁国际合作推进AI进入精神科，未报告研究结果

这篇评论提供的是欧洲精神科视角的问题清单：人力与资金约束、治疗可及性、青少年心理健康。

依据：PubMed 摘要页：European Psychiatry 评论

AI心理行业动态

英国访谈：心理从业者接受AI协助评估与治疗，反对AI自行下诊断

本期关注｜学术研究｜来源日期：2026-10-19

事件： 研究经英国兰卡斯特大学机构伦理委员会批准（编号3530）。方法是对18名心理健康从业者进行半结构访谈并作主题分析，伦理问题按四项生物医学原则归类。结果显示：从业者认为AI在临床评估与治疗中有价值，但强烈抵触AI自主诊断，认为诊断是伦理上最敏感的环节；AI被看作支持与校验临床判断，而不是替代从业者。

伦理关切包括数据有效性、包容性、隐私、透明度与可解释性。研究提出四项设计方向：分析多模态患者数据、支持透明决策的AI临床评估中枢；基于自然语言处理（NLP）理解患者生活体验的工具；支持伦理敏感诊断决策的新型信任模型；由大语言模型（LLM）驱动、维持人机协作并保留从业者核心地位的个性化自适应支持系统。

来源表述： 不适用：本研究为兰卡斯特大学研究者的学术研究，并非企业声明。

为什么重要： 英国兰卡斯特大学研究者访谈了18名心理健康从业者，了解他们对人工智能（AI）在评估、诊断、治疗三个环节中作用的看法。从业者认可AI辅助并校验临床判断，最抵触由AI自主作出诊断。研究据此提出四项设计方向，但样本仅18人、来自单一机构，结论只是受访者的观点，未经临床效果验证，且目前只读到摘要而非全文。

编辑判断： 这是从从业者视角做的定性研究，不是产品测试或疗效试验，不能据此推断任何工具的诊断准确率或治疗效果。它的价值在于呈现各环节的差异：评估与治疗环节的辅助较容易被接受，诊断环节的自主决策阻力最大。对做校园产品或面向用户产品的团队，这意味着产品定位应避开“替代人的判断”，把透明度、可解释性和人工复核放在功能介绍的前面。

需注意18人样本、单一国家机构背景，普适性有限，且目前只读到摘要而非全文。

后续观察： 查找该研究全文，核对四项设计方向的具体表述；检索是否有针对学校场景的从业者AI接受度研究；跟踪JMIR Mental Health后续相关论文

来源：PubMed / JMIR Mental Health

综述：癌症患者用的对话式AI心理支持研究分散，临床效果与安全评估报告明显不足

本期关注｜范围综述｜来源日期：2026-10-19

事件： 该综述按JBI（乔安娜布里格斯研究所）方法与PRISMA-ScR（系统综述和元分析扩展报告规范）执行，检索13个数据库及登记库至2026年5月5日，纳入24份报告、25个研究单元、23个项目。LLM或生成式AI系统占39.1%（9/23）；信息或教育功能23/23（100%），症状或自我管理支持20/23（87%），但这些计数包含已交付、计划中、模拟、共同设计以及参与者自报的功能。

结构化心理或行为组件仅占21.7%（5/23），明确的理论框架出现在25%（6/24）的报告中。评估可接受性或用户体验的17/24（70.8%）、评估参与度的13/24（54.2%），都高于评估心理社会临床结局的8/24（33.3%）和评估安全及不良事件的4/24（16.7%）。

报告人工或专家监督的15/24（62.5%），报告危机升级或转介的8/24（33.3%），向用户披露AI身份的仅3/24（12.5%）。作者单位为中南大学湘雅三医院血液科与护理部，论文发表于《医学互联网研究杂志》。该综述仅基于PubMed题录与摘要，未做正式质量评价。

来源表述： 无公司口径；作者结论为：肿瘤心理社会领域的对话式AI研究技术各异、发展阶段不一，临床与安全评估、理论基础、人群代表性和监督责任的报告都不完整，现有发现只反映报告情况，不能确立有效性或安全性。

为什么重要： 一项范围综述梳理了面向癌症患者的对话式AI（人工智能）心理支持研究，纳入24份报告、23个项目，其中大语言模型（LLM）系统占39.1%。报告心理社会临床结局的仅33.3%、报告安全及不良事件的仅16.7%，报告危机转介的33.3%、向用户披露AI身份的仅12.5%。该综述只描绘报告情况，不能证明这类工具有效或安全。

编辑判断： 这是摘要级证据，功能计数混合了实际交付与计划设计，不能据此判断任何产品的疗效。值得注意的是，评估重心偏体验与参与，轻临床结局与安全事件，AI身份披露和危机转介的比例也偏低；这些可作为评估框架的参考，而非效果证据。

后续观察： 获取全文核实各项目功能计数与研究方法细节；追踪OSF登记UM65W的更新与后续研究

来源：Journal of Medical Internet Research（PubMed 摘要）

欧洲精神科医生评论文章：呼吁国际合作推进AI进入精神科，未报告研究结果

本期关注｜学术评论发表｜来源日期：2026-10-19

事件： PubMed收录的摘要显示，作者列出全球人口心理健康面临的挑战：青少年心理健康状况似在恶化，精神科照护体系资金不足、不公平且效率低；治疗延误普遍，临床医生倦怠、资金匮乏和人员短缺正在影响欧洲及更广泛地区的精神卫生服务。作者认为，在临床时间和资源有限的情况下，改进精神科照护的新方法十分紧迫；数字技术尤其是AI能力的近期进展，有望应对其中部分挑战，从而改变精神科照护方式。

文章标题强调，推进AI在精神科的应用需要国际合作。作者机构包括爱尔兰皇家外科医学院、爱尔兰圣约翰神研究与基金会、瑞士苏黎世大学、荷兰格罗宁根大学医学中心。该来源为摘要级证据，未阅全文，也未报告具体研究数据、产品评测或临床结果。

来源表述： 无企业或产品方表态。本文为学术评论文章，作者观点由署名作者及机构提出，不代表任何公司立场。

为什么重要： 《European Psychiatry》一篇评论文章的摘要提出，青少年心理健康状况恶化、治疗延误普遍，加上临床医生倦怠、人手和资金不足，精神科服务正承受压力；作者认为人工智能（AI）能力的进展有望改善部分挑战，并强调国际合作。该来源仅有摘要，未报告任何AI产品的使用数据、疗效或临床结果。读者可据此了解学界提出的问题框架，而不是结论。

编辑判断： 这篇评论提供的是欧洲精神科视角的问题清单：人力与资金约束、治疗可及性、青少年心理健康。它没有给出AI干预效果、可部署产品或监管路径的证据，因此不能据此判断某类AI心理产品有效或安全。对做校园心理与情绪记录产品的团队而言，它提示跨机构合作与治理可能是AI进入精神科的先行议题，但这一推断尚无该文数据支撑。

后续观察： 获取全文，确认国际合作的具体建议内容；检索该作者团队后续实证研究

来源：PubMed 摘要页：European Psychiatry 评论

百度语音合成新增10款发音人，含猴哥、熊二等卡通音色，主推儿童AI陪伴场景

本期关注｜产品发布｜来源日期：2026-10-19

事件： 百度语音合成服务本次共上线10款发音人。卡通IP音色为猴哥、熊二、懒羊羊，官方推荐场景为动画/游戏配音、儿童教育、亲子内容。通用音色包括度忠祥（播客男声）、度梓涵（童声），以及度舒然、度小飒、度启明、度星河、度小清等营销、直播、广告声线。

接入方式包括在线API（应用程序编程接口）、HTTP/WebSocket SDK（软件开发工具包），已购买臻品&大模型音库的用户添加发音人参数即可使用。

来源表述： 百度智能云（百度旗下云计算与AI服务平台）称，丰富的音色矩阵可覆盖多元业务需求，尤其适配儿童场景的具身智能、AI陪伴、AI玩具等业务，帮助用户打造生动有趣的语音交互体验。

为什么重要： 百度智能云语音合成TTS（文本转语音）服务升级，新增10款发音人，包括猴哥、熊二、懒羊羊等卡通IP（知识产权）音色，以及营销、直播、广告类通用音色。官方说明称，卡通音色适配儿童场景的具身智能、AI（人工智能）陪伴与AI玩具等业务。这是企业产品公告，未披露用户量或效果数据。

编辑判断： 这是语音能力层的产品更新，与心理健康主题的关联只在“AI陪伴、儿童场景”这一用途指向上，公告本身不涉及心理评估、干预或任何健康效果。对做情绪陪伴类产品的团队，卡通音色可以降低儿童的使用门槛，但角色化音色也会强化拟人化感知，产品设计中需要明确非人类身份与内容边界。

后续观察： 核对音色授权的商业使用条款与儿童场景限制；跟踪同类语音供应商是否推出面向青少年保护的默认配置

来源：百度人工智能开放平台

韩国研究用五个方面评估大语言模型的心理测量：预测得准不代表测得好

持续追踪｜研究发布｜来源日期：2026-10-15

事件： 研究从279名呼叫中心员工的3556人日每日语音叙事中，用GPT-5.2提取13个语言特征，评估五个方面：提取可重复性、与LIWC（语言查询与词数计数，版本22）的收敛效度、生态即时效度（分解个体内与个体间）、四臂比较中的增量价值、方法盲法专家评估与结构化错误归因。

结果：平均组内相关系数0.987；收敛效度Spearman ρ为0.08至0.79；负性情绪对当日压力的个体内β=0.68；四臂比较中解释方差从13.2%升至30.4%，词典工具为16.9%；专家在方法不一致样本中偏好LLM生成画像的比例为83.7%（261/312）；假阳性归因中53%（35/66）源于参考标签局限而非模型失败；用Google Gemini 2.5 Flash重新提取，人物层面r=0.94。

结论明确：临床使用中，该测量是现有筛查工具的补充，用于纵向监测，不是独立诊断。

来源表述： 无公司口径；研究由韩国高校作者完成，发表于《Journal of Medical Internet Research》，摘要未披露企业资助或产品商业化声明。

为什么重要： 一项发表于《Journal of Medical Internet Research》的研究，用五个心理测量学方面评估GPT-5.2从日常语音叙事中提取的心理特征，并与词典工具比较。结果显示提取可重复性高、对当日压力的个体内追踪显著，但收敛效度随所测概念差异很大；作者强调，预测指标不足以评价大语言模型（LLM）的心理测量，临床用途只能作为纵向监测的补充，而非独立诊断。

编辑判断： 这项研究的行业价值在于把评价重心从“预测标签准不准”转向“测量本身是否成立”，并揭示个体内与个体间效应可能分离、参考标签本身有缺陷。对AI心理评估产品而言，这意味着只展示准确率不足以支撑临床定位，还需要对可重复性、效度与错误归因作透明报告。局限在于摘要级证据、单一人群（韩国呼叫中心员工）与特定模型版本。

后续观察： 追踪该框架在其他语言与临床人群中的验证；关注LLM心理测量相关的监管与伦理讨论

来源：Journal of Medical Internet Research（PubMed摘要）

沙特团队用大语言模型辅助开发17题情绪调节量表，仅获初步测量学证据

背景研究｜学术研究（摘要级证据）｜来源日期：2026-10-11

事件： 研究背景称，现有情绪调节测量在概念覆盖上存在差异，部分聚焦具体策略或调节困难，而非更广的认知、行为与情境调节过程。方法：横断面研究，743名成人经便利抽样招募，随机分为两个不重叠子样本，分别做探索性因子分析（EFA）与验证性因子分析（CFA）。多个LLM与AI（人工智能）工具参与条目生成、精炼、偏差筛查、翻译及EFA后的构念解释，开发全程有人工监督。

初始25个条目经精炼后形成17题ERS。EFA解释50.85%方差；CFA对事后精炼的17题模型提供初步支持（χ²/df=1.95，CFI=0.934，TLI=0.918，IFI=0.935，RMSEA=0.050）。信度α=0.68–0.74，ω=0.68–0.75。聚合效度：适应性策略与认知重评r=0.522–0.608，适应不良认知与表达抑制r=0.400。

同时效度：与抑郁r=0.432、焦虑r=0.462、幸福感r=-0.330、生活质量r=-0.357与-0.295相关；适应性策略与抑郁r=-0.184至-0.239、焦虑r=-0.141至-0.211、幸福感r=0.150至0.203、生活质量r=0.211至0.375相关。已知组效度在不同抑郁、焦虑水平间存在显著差异（MCR：F(4,738)=39.32；64.49，p<0.001）。

作者结论：结果为17题ERS提供初步心理测量证据，提示其可能补充现有测量，并展示LLM在既定心理测量程序与人工监督下辅助量表开发的潜力；需多样本进一步评估其测量学性质、可推广性与更广用途。

来源表述： 无企业声明。研究作者为沙特阿拉伯阿卜杜勒阿齐兹国王大学心理学系Iman Aly Almohammadi与Malak Ali Alzahrani，发表于BMC Psychology。

为什么重要： 沙特阿拉伯阿卜杜勒阿齐兹国王大学团队在BMC Psychology发表摘要级研究：在既有心理测量框架下，用多个大语言模型（LLM）辅助生成、精简和筛查条目，并协助翻译与因子解释，全程保留人工监督，最终形成17题情绪调节量表（ERS）。743名成人便利样本被随机拆为探索性与验证性因子分析两组，得到四因子初步结构，信度处于早期量表开发的可接受区间。

研究为横断面设计，作者明确需要更多样本人群验证，读者不应将其视为成熟量表或临床工具。

编辑判断： 这是量表开发而非治疗效果研究，证据强度限于摘要与初步测量学指标：便利抽样、单一国家样本、横断面设计、信度处于早期开发区间，且CFA针对“事后精炼”模型，说明结构经过探索后调整。LLM的角色是条目生成与筛查等辅助环节，人类监督贯穿全程，因此不能读作“AI自动生成心理量表”。

对行业的含义是：LLM可用于心理测量工具开发中的流程性环节，但可靠性与公平性（偏差筛查）仍需在独立样本上验证。相关性不等于因果，研究未比较LLM辅助与传统流程的产出差异。

后续观察： 查找该论文全文以核对LLM参与的具体环节与提示设计；追踪ERS在其他语言与文化样本中的验证结果

来源：BMC Psychology（PubMed收录摘要）

未来 7–30 天观察清单

• 查找该研究全文，核对四项设计方向的具体表述

• 检索是否有针对学校场景的从业者AI接受度研究

• 跟踪JMIR Mental Health后续相关论文

• 获取全文核实各项目功能计数与研究方法细节

• 追踪OSF登记UM65W的更新与后续研究

• 获取全文，确认国际合作的具体建议内容