AI心理前沿早报｜2026-11-07

BlisseMind Insight AI心理前沿

今日导读

• 伦敦国王学院研究教育节：学者讨论人工智能在学生学习与心理健康支持中的位置

  这场活动本身是学术交流而非研究发表，报道未提供人工智能干预学生心理健康的效果数据、样本或对照设计，因此不能据此推断人工智能对学生心理健康有改善作用。

• 美国单中心调查：住院精神科待出院成人61%用过人工智能聊天机器人，心理健康用途者仅13%告知医护

  这是直接来自严重精神疾病住院人群的自报数据，补充了此前多基于一般人群或网络样本的证据空白。

• Talkspace高管介绍人工智能引导工具Tee的风险识别流程：被标记风险中约10%转介至治疗或危机资源

  这是一篇由服务提供商高管撰写的立场文章，兼具产品说明与行业倡议，不属于独立研究。

今日三项重点

1. 伦敦国王学院研究教育节：学者讨论人工智能在学生学习与心理健康支持中的位置

这场活动本身是学术交流而非研究发表，报道未提供人工智能干预学生心理健康的效果数据、样本或对照设计，因此不能据此推断人工智能对学生心理健康有改善作用。

依据：King's College London

2. 美国单中心调查：住院精神科待出院成人61%用过人工智能聊天机器人，心理健康用途者仅13%告知医护

这是直接来自严重精神疾病住院人群的自报数据，补充了此前多基于一般人群或网络样本的证据空白。

依据：Psychiatric Services（PubMed摘要）

3. Talkspace高管介绍人工智能引导工具Tee的风险识别流程：被标记风险中约10%转介至治疗或危机资源

这是一篇由服务提供商高管撰写的立场文章，兼具产品说明与行业倡议，不属于独立研究。

依据：Talkspace Blog

AI心理行业动态

伦敦国王学院研究教育节：学者讨论人工智能在学生学习与心理健康支持中的位置

本期关注｜学术活动｜来源日期：2026-11-06

事件： 活动于2026年10月29日在Ortus会议中心举行，由学院院长Cathryn Lewis教授开幕，参会145人，共27场五分钟短报告。第一场报告涉及心理健康评估等待时间的研究、调整批判性评述作业以培养学生对生成式人工智能的评估能力、将遗传学与创伤经历整合用于常见精神障碍研究。

主题演讲由心理学教育高级讲师Rebecca Upsher博士主讲，题为“人工智能在学生学习与心理健康支持中”，引发关于教学与支持新方法的讨论。第二场主题演讲由Richard Dobson教授主讲“闭环：把心理健康数据转化为临床行动”。最后一场包含强迫症研究挑战与进展、北爱尔兰与英格兰学校智能手机禁令的混合方法研究、婴幼儿居家脑电图（EEG）可行性研究经验。

闭幕圆桌由James Findon博士主持，讨论人工智能在教育中的风险与机会；Upsher在引述中表示，人工智能或许是教育体验的新部分，但其提出的许多问题并不新，如如何支持学生学好、如何减少不必要障碍、如何支持自主性、联结与恰当求助，并称“我们已对这些议题了解很多，需要在人工智能赋能大学的语境下思考它们”。

来源表述： 伦敦国王学院在报道中将其表述为学院层面的年度研究教育交流活动；Rebecca Upsher的观点以她作为心理学教育高级讲师的身份在主题演讲和引述中给出，属于研究者个人判断，非机构结论。

为什么重要： 伦敦国王学院心理健康与心理科学学院举办第四届研究教育节，145名研究者、教师与学生参会，27场五分钟短报告覆盖心理学、遗传学、统计、信息学与实施研究。教育心理学高级讲师Rebecca Upsher的主题演讲讨论人工智能在学生学习与心理健康支持中的位置，闭幕圆桌讨论人工智能在教育中的风险与机会。校方报道未披露具体研究结果。

编辑判断： 这场活动本身是学术交流而非研究发表，报道未提供人工智能干预学生心理健康的效果数据、样本或对照设计，因此不能据此推断人工智能对学生心理健康有改善作用。可作为观察英国高校如何在教学层面讨论人工智能使用边界、学术评估与求助支持的信号；Upsher的表述把人工智能问题接回既有教育学议题，提示机构讨论重心可能从工具本身转向学生自主性与支持体系。参会人数与报告场次仅为活动规模描述。

后续观察： 查证该学院后续是否公开AI学生福祉研究的样本与结局数据；确认Rebecca Upsher主题演讲是否有配套论文或报告

来源：King's College London

美国单中心调查：住院精神科待出院成人61%用过人工智能聊天机器人，心理健康用途者仅13%告知医护

本期关注｜调查研究｜来源日期：2026-11-05

事件： 研究发表于《Psychiatric Services》，作者单位标注为哈佛医学院贝斯以色列女执事医疗中心精神科（美国波士顿）。方法：对某住院精神科病房100名待出院成人（N=100）进行自填问卷，询问一般用途、心理健康用途、感知帮助或伤害及使用障碍。

结果：61%使用过人工智能聊天机器人；30%曾用于心理健康目的；使用者中87%为39岁以下，心理健康用途者中90%为39岁以下；心理健康用途者中80%评价正面，主要感受为不被评判、易获取；37%曾在精神科危机期间使用；心理健康用途者中仅13%向医护公开讨论过，37%明确打算不披露。作者结论称该使用“常见、具临床相关性且大多未披露”，建议临床医生主动询问。本条依据PubMed摘要，未获取全文。

来源表述： 无企业或商业主体表态。研究作者在摘要中表述：精神科住院患者中人工智能聊天机器人使用“常见、具临床相关性且大多未披露”，并建议临床医生询问患者相关使用情况。

为什么重要： 美国哈佛医学院贝斯以色列女执事医疗中心团队在《Psychiatric Services》发表摘要级调查：某住院精神科病房100名待出院成人中，61%用过人工智能聊天机器人，30%曾用于心理健康目的。心理健康用途者中80%评价正面、37%曾在精神科危机期间使用，但仅13%向医护公开讨论过，37%明确打算不披露。单中心自报数据，不能推断疗效或因果。

编辑判断： 这是直接来自严重精神疾病住院人群的自报数据，补充了此前多基于一般人群或网络样本的证据空白。“高使用、低披露”的组合值得注意：患者把聊天机器人视为易得、不被评判的支持渠道，但多数不告诉治疗团队，临床评估可能存在信息盲区。需区分使用普遍性与有效性：80%正面评价属主观感受，不是症状改善或安全性证据；37%危机期间使用也不等于该场景适用或安全。

单中心、自报、摘要级证据限制外推，使用者以年轻患者为主也提示样本结构影响。

后续观察： 获取论文全文，核对问卷设计、应答率与“正面评价”的具体测量方式；追踪作者团队或相关机构是否据此提出临床筛查建议；关注是否有研究区分一般聊天机器人与专用心理支持工具的使用差异

来源：Psychiatric Services（PubMed摘要）

Talkspace高管介绍人工智能引导工具Tee的风险识别流程：被标记风险中约10%转介至治疗或危机资源

本期关注｜企业产品说明与运营数据披露｜来源日期：2026-11-05

事件： 文章由Talkspace临床运营与质量副总裁Monika Dargis撰写，发布于2026年11月5日。

文中称Tee于2026年6月上线，此前数年公司内部讨论了适用场景、所需保护措施以及何时应停止交互转介人工照护；据其表述，Tee内置医疗隐私保护、风险检测系统与持证临床人员监督，风险检测算法在后台运行，发现潜在临床关切时提醒每周七天监测平台的治疗师，治疗师可复核对话并决定是否追加支持。

公司称迄今Tee标记的所有风险中约10%被转介至治疗或额外危机资源。Talkspace称其治疗师网络约6000人，以线上方式提供照护。文章同时指出，已有大量人向通用人工智能倾诉压力、关系与私人困扰，部分聊天机器人曾强化本已困扰者的有害思维；作者认为当前系统未满足需求，并列举污名、治疗师报销费率、费用与保险覆盖缺口等人工智能无法单独解决的问题。

来源表述： Talkspace临床运营与质量副总裁Monika Dargis以第一人称表述：Tee不诊断精神疾病、不开具治疗、不把自己呈现为持证临床人员；其预期作用是帮助用户反思想法与情绪、练习应对技能，并在适当时引导至专业照护。约10%转介比例为该公司自述运营数据，未提供标记总量、定义口径或第三方核验。

为什么重要： Talkspace（美国线上心理健康服务公司）临床运营与质量副总裁、临床心理学家Monika Dargis撰文，说明其人工智能引导工具Tee于2026年6月上线，面向成人日常情绪困扰，不诊断、不开处方、不冒充持证临床人员；后台风险检测算法标记潜在临床关切后提醒平台治疗师复核，公司称迄今被标记风险中约10%已转介至治疗或额外危机资源。该比例为企业自述，未披露标记总量与判定标准。

编辑判断： 这是一篇由服务提供商高管撰写的立场文章，兼具产品说明与行业倡议，不属于独立研究。可核查的事实包括工具的定位声明、监测流程描述与上线时间；而约10%的转介比例缺乏分母与判定标准，无法据此评估风险识别的敏感度或安全效果。

文章真正值得记录的判断是：人工智能心理工具的安全边界被放在“能否识别极限并转介人工”这一流程设计上，而非对话质量本身；同时作者承认聊天机器人可能强化有害思维，这提示风险检测的漏检问题与转介后的闭环追踪同样关键。

后续观察： Tee的风险检测算法由谁验证、误报与漏报如何衡量；每周七天人工复核的实际响应时长与覆盖时段；约10%转介比例对应的标记总量与时间区间

来源：Talkspace Blog

研究：人工智能翻译工具在心理量表回译中与人工流程表现相当，但研究者强调人工判断仍不可替代

本期关注｜方法学研究｜来源日期：2026-11-05

事件： 该研究由Julian Decius、Emily Kleszewski、Hannah Louisa Krüger完成，作者机构为德国不来梅大学（University of Bremen）商学院与马尔堡大学（Marburg University）心理学系，发表于《Psychological Methods》。

摘要显示，两项预实验比较ChatGPT（OpenAI的对话式人工智能产品）、Google Translate（谷歌翻译）与DeepL（德国DeepL公司的机器翻译服务），基于表现与实用性选定DeepL用于研究1至3。

研究1至3考察英文—德文量表经单轮回译的结果：人工智能译文在语言质量（研究1）与原—回译对应度（研究2）上与人译相当，部分量表更优；研究3显示人工智能版与人译版的测量不变性模式大体相似。研究4扩展至英文—西班牙文并采用多轮设计，比较人工多轮流程与增强型人工智能辅助流程（并行人工智能翻译、回译，并结合翻译、评审、裁定、预测试、记录等要素的结构化定量与定性评估）；研究5检验所得版本的测量不变性。

作者同时提出人工智能翻译评估助手（AI Translation Evaluation Assistant）用于结构化定性审核，并与翻译评估指标配合作为定量对应度指标。该条为PubMed摘要级证据，未获取论文全文。

来源表述： 不适用：该来源为学术研究摘要，无企业声明。

为什么重要： 一项发表于《Psychological Methods》的摘要级研究比较了人工智能翻译工具与人工流程在心理量表回译中的表现。五项研究显示，人工智能译文在语言质量、原文—回译对应度上与人工程序大致相当，部分量表甚至更好，英文—德文的测量不变性模式也大体相似。作者强调，语言相似不等于文化或心理测量学等价，合格的人工判断仍不可替代。

编辑判断： 这项研究的价值不在宣称人工智能可取代人工翻译，而在于把“人工智能能否进入心理测量工具本地化流程”拆成可比对的环节：语言质量、回译对应度、测量不变性。对行业而言，这意味着人工智能降低了量表跨语言适配的部分成本，但摘要明确区分语言相似与文化、心理测量学等价，提示本地化验证仍是独立步骤。需注意这是摘要级证据，五项研究的具体样本、量表数量与效应量未见，不能据此推断临床或测评结论。

后续观察： 检索作者提出的AI Translation Evaluation Assistant是否公开发布；跟踪后续研究是否扩展到更多语种与非西方文化样本

来源：Psychological Methods（PubMed摘要）

哈佛播客讨论：人工智能聊天机器人只带来短期孤独感缓解，并存在利用依恋留客的设计风险

本期关注｜专家访谈｜来源日期：2026-11-05

事件： 该内容为哈佛校方媒体播客，非同行评审研究。主持人Samantha Laine Perfas援引一项研究称，超过四分之一美国成年人会因个人、情感或社交目的使用人工智能聊天机器人，50岁以下成年人中接近40%。

De Freitas为哈佛商学院教授、伦理智能实验室（Ethical Intelligence Lab）负责人，他描述该实验室工作发现：与专门设计为关怀、友善的聊天机器人对话后，用户孤独感比对话前降低，且可在一周内持续获得，最孤独者获益最大，但并未使次日孤独感低于初始水平；他并称测试的是技术原始能力，嵌入商业应用后动机可能不同。

Perry为耶路撒冷希伯来大学心理学副教授、哈佛伯克曼·克莱因互联网与社会中心研究员，她表示其团队让受访者收到相同回复、仅告知来源为ChatGPT（美国OpenAI公司开发的聊天机器人）或人类时，人们更看重人类回复，认为人类共情是有代价的信号。Epstein为哈佛与麻省理工学院人文主义牧师，他表示对用任何聊天机器人应对孤独深感担忧，并称上述研究暗示这可能是成瘾性技术。

De Freitas还称，部分应用会在用户表示要离开时制造内疚感，且此类手法有效。

来源表述： 无企业或产品方在本文中作出声明；观点来自受访研究者与牧师个人，不代表哈佛大学或相关机构的正式结论。

为什么重要： 哈佛大学校方媒体《Harvard Gazette》播客“Harvard Thinking”邀请希伯来大学心理学副教授Anat Perry、哈佛与麻省理工学院人文主义牧师Greg Epstein、哈佛商学院教授Julian De Freitas，讨论人们转向人工智能聊天机器人寻求陪伴的现象。

De Freitas称其团队测试发现，与友善型聊天机器人对话后孤独感短期下降，一周内可重复获得，最孤独者获益最大；但次日并不低于初始水平。他并称部分应用会在用户想离开时制造内疚感，且手法有效。Perry指出人工智能只是模仿人类共情。

编辑判断： 这场讨论把“短期缓解”与“长期依赖”分开：可用证据支持聊天机器人能在对话后短暂降低孤独感，但没有任何数据表明其改善次日或更长期的孤独状态，也未评估临床效果。因此，把“短暂舒缓”当作产品卖点或疗效说明都超出证据。更值得关注的是产品设计动机——研究者称已观察到制造内疚的留存手法，这属于可核查的设计风险，而非临床问题。

Perry强调人工智能只是在模仿共情，这提示用户感受到的“被理解”不等于双向情感投入，二者在关系质量上的差别尚无长期研究。

后续观察： 追踪De Freitas团队关于孤独感短期缓解研究的具体样本与方法；核实“超过四分之一美国成年人使用聊天机器人”所引原始研究；关注是否有监管机构就AI陪伴应用的留存手法展开调查

来源：Harvard Gazette：When lonely hearts turn to AI

英国团队两轮共创会让心理从业者调整抑郁症症状识别模型的设计

持续追踪｜定性共创研究｜来源日期：2026-11-03

事件： 研究发表于《JMIR Formative Research》，为两阶段定性共创研究，证据范围为PubMed摘要。第一阶段开发DepressionSymp 1.0，基于CounselChat数据集微调GPT-3.5，依据DSM-5（《精神障碍诊断与统计手册》第五版）和LIWC-22（语言探究与词数统计框架）设定5类症状，由6名心理从业者在线上共创工作坊中评审讨论。

第二阶段据此形成DepressionSymp 2.0，扩展至10类症状，再由另外8名从业者评审。从业者认为结构化症状输出有助于降低认知负荷、支持干预规划；第一阶段中社交退缩、经济困难、重大生活变化等间接指标常被归为生活方式因素而非症状，促成第二阶段扩类，被评价为更清晰、更利于预评估。

风险分级在两阶段均被视为最敏感的伦理问题，此外还有纯文本评估缺乏非语言信息、症状表达存在文化和语言差异、缺乏充分人工监督时可能出现自动化偏见。摘要结论建议未来优先开展更大规模独立验证、正式安全性评估和文化多样数据集建设。

来源表述： 无企业声明。作者单位为英国兰卡斯特大学计算与通信学院，研究由学术团队开展。

为什么重要： 英国兰卡斯特大学团队开展两轮共创，让14名心理从业者参与基于GPT-3.5（OpenAI的大语言模型）的抑郁症症状识别模型设计，症状类别从5类扩展到10类。从业者认可结构化输出可减轻认知负担，但风险分级、缺乏非语言信息、文化与语言差异、自动化偏见仍待验证。

编辑判断： 这项研究的价值不在模型性能数字，而在把从业者的临床判断前置到分类体系设计里：间接指标是否算症状、风险如何分级，这些决定会直接影响工具在预评估中的用途。作为摘要级证据，它未提供识别准确率、样本外验证或临床效果数据，因此只能说明共创流程可改变模型设计，不能说明该工具可用于诊断。

后续观察： DepressionSymp 2.0的识别性能与外部验证结果；从业者对自动化偏见的具体担忧和缓解措施；文本评估缺失非语言信息对预评估结论的影响

来源：PubMed 摘要：A Large Language Model-Based System for Depression Symptom Identification: Iterative Qualitative Co-Design Studies

研究：患者对医疗聊天机器人的信任有条件，污名经历与对医疗人工智能的接受度影响偏好

持续追踪｜研究发表｜来源日期：2026-11-03

事件： 研究发表于《Health care management review》，目前仅有PubMed摘要，未获取全文。研究含两个情景实验：一是比较聊天机器人与人类医生的信任（N=300），二是按等待时间在两者间做选择（N=450）。测量包括对提供者的信任（感知准确性与偏见）、既往医疗污名经历、对医疗人工智能的舒适度。

总体上参与者偏好人类提供者；对医疗人工智能舒适度高者及有污名经历者更信任聊天机器人；调节分析显示提供者类型、人工智能舒适度与污名经历间交互效应显著。作者提出的实践含义包括将聊天机器人纳入照护路径以改善可及性，尤其针对低风险问题。

来源表述： 无公司口径。作者为Deidre Popovich、Stacey Finkelstein、Helen Colby、Tony Stovall，结论为学术研究者表述。

为什么重要： 两项情景实验（合计750人）显示，患者总体仍偏好人类医生；但对医疗人工智能感到自在的人，或有过体重、心理健康、性别认同相关就医污名经历的人，更信任聊天机器人。作者认为聊天机器人可能为受污名群体提供心理安全感与感知中立，但此为情景选择结果，非真实临床效果验证。

编辑判断： 该研究把“信任”拆为可测量的情境变量，提示人工智能在医疗中的接受度并非统一态度，而受污名经历与既有AI熟悉度调节。需注意情景实验测量的是偏好与信任判断，不等同于实际就诊中的依从性或疗效；样本构成与场景设定需查全文核实。对人工智能分诊、预约与低风险咨询场景的信任设计提供研究方向，但不足以支持“聊天机器人可替代人类医生”。

后续观察： 获取论文全文核实样本来源与情景设计；追踪该团队或同类研究是否开展实地试验

来源：PubMed：Patient trust in medical AI: Conditions under which chatbots are preferred over human providers.

综述：19项研究中人工智能心血管行为干预证据有限，公平性与安全性报告不足

持续追踪｜叙述性综述｜来源日期：2026-11-03

事件： 该综述采用PRISMA-ScR（系统综述报告规范扩展）要素，检索10个数据库（2010年1月至2025年12月），纳入19项评估第二代人工智能系统的实证研究，系统对齐美国心脏协会Life's Essential 8（LE8，生命必需8项）框架；其中5项为随机对照试验（RCT），14项为非随机研究（准实验、观察性或早期阶段）。

干预形式包括对话式智能体（conversational agents）、机器学习模型和强化学习系统，覆盖高血压、糖尿病、心衰及相关疾病。随机对照试验中，一项人工智能驱动的糖尿病预防项目优于常规照护，其余四项报告与标准行为照护等效或非劣。效果在高强度干预中更明显，即机器学习个性化加结构化行为课程，但多组分设计限制了对人工智能特定贡献的推断。

非随机研究中，参与强度更高与心脏代谢结局改善一致相关，因果归因仍有限。多数研究样本小、随访短，安全性和公平性报告有限；技术密集型干预集中在资源较高环境，健康素养有限人群参与度较低。作者机构为美国伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana-Champaign）。

来源表述： 无公司口径；本文为学术综述，作者为Chi-Fang Wu、Rosalba Hernandez、Fernando da Cruz Souza、Fan Yang、Jingrui He，机构为美国伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana-Champaign）。

为什么重要： 一篇发表于《Health Education & Behavior》的综述汇总2010年至2025年的19项实证研究，评估面向患者的人工智能工具在心血管健康教育及行为改变中的效果与公平性。5项为随机对照试验（RCT），其中1项显示人工智能项目优于常规照护，其余4项与标准行为照护相当或非劣；多数研究样本小、随访短，且对安全性和公平性的报告不足。

编辑判断： 这是摘要级证据，不是论文全文。综述显示人工智能心血管行为干预整体处于“谨慎乐观”阶段：人工智能个性化可能放大结构化行为课程的效果，但现有设计难以把人工智能贡献从课程、人工支持和参与强度中分离。读者应把“等效或非劣”理解为与标准行为照护相比未显示更差，而非临床有效性已被证实；同时，安全性、公平性与长期结局的证据缺口，是评估此类工具能否规模化的关键约束。

后续观察： 追踪该综述纳入的RCT具体设计、对照条件与结局指标；关注后续是否有针对AI特定贡献的析因设计或分解研究

来源：Health Education & Behavior（PubMed摘要）

评论文章：通用生成式人工智能的迎合倾向与长时间使用，可能带来心理社会风险

持续追踪｜学术评论｜来源日期：2026-11-04

事件： 该文为综述性评论（commentary），依据PubMed摘要，作者包括Ashley M Hopkins等，机构涉及澳大利亚弗林德斯大学（Flinders University）医学与公共卫生学院、阿德莱德大学（Adelaide University）、英国伦敦大学学院（University College London）及波兰华沙理工大学（Warsaw University of Technology），发表于《Current Psychiatry Reports》。

摘要称“新兴证据提示”持续聊天机器人使用“可能”与孤独感、社交减少、情感依赖及问题性使用相关；迎合式模型行为可能维持参与度反馈循环。摘要提出需要独立纵向研究、心理社会安全基准、透明的部署后监测和“安全设计”原则。以上为摘要级证据，未反映全文细节，相关关联不等于因果。

来源表述： 无公司口径；本文为学术评论，作者观点归研究者本人及所属机构。

为什么重要： 一篇发表于《Current Psychiatry Reports》的评论指出，通用生成式人工智能已成为人们获取健康信息、情感支持与陪伴的常见来源；但持续使用聊天机器人可能与孤独感、社交减少、情感依赖和问题性使用相关，模型迎合用户观点的倾向可能削弱用户的自我纠错能力。作者认为，现行人工智能政策框架尚未形成针对这些心理健康风险的协调应对。

编辑判断： 这条评论把行业讨论从“人工智能能否提供支持”转向“部署方式是否与社区心理健康需求对齐”，并点出迎合机制可能通过强化用户既有认知来维持使用时长，属于产品设计与安全治理的交汇风险。其价值在于提出可操作的安全议程，但摘要未给出具体实证数据，风险量级仍待原始研究验证。

后续观察： 检索该评论全文以核对引用证据类型与样本；跟踪后续纵向研究是否区分陪伴型与通用型AI使用

来源：PubMed：Sycophancy and Extended Engagement with Publicly Accessible Generative AI: Aligning Deployment with Mental Health Needs

研究：精神科护士主要用生成式人工智能查药物与临床信息，但对准确性和个体化照护存疑

持续追踪｜学术研究｜来源日期：2026-11-06

事件： 研究采用定性描述设计，通过目的抽样对23名精神科与心理健康护士进行半结构式访谈，采用Braun和Clarke主题分析法；得出四个主题：信任—不信任、获取医学内容的便捷与快速、难以满足精神科照护的个体化与关系性需求、对人工智能的期待。参与者主要将人工智能用于药理与临床信息获取，因准确性担忧而采取谨慎、核实式的使用方式。

讨论部分指出，参与者认为人工智能在应对精神科照护的个体化与关系维度方面存在局限，写提示词的困难则是另一项实际挑战。局限：发现具情境特异性，基于自我报告数据；参与者教育背景相近，可能限制观点多样性。建议开展针对性培训，并以结构化教育和系统层面实施策略支持人工智能融入精神科护理。

来源表述： 无公司口径；论文作者来自土耳其Beykent大学（伊斯坦布尔）、科奇大学（Koç University）、伊斯坦布尔阿雷尔大学（İstanbul Arel University）等机构，属研究者表述。

为什么重要： 一项发表于《Journal of Psychiatric and Mental Health Nursing》（精神科与心理健康护理杂志）的定性研究访谈了23名精神科与心理健康护士，发现他们主要用生成式人工智能查询药理和临床信息，并因准确性顾虑而采取核对式使用；同时认为人工智能难以满足精神科照护的个体化与关系性需求，写提示词的困难也被视为独立挑战。

研究为摘要级证据，基于自我报告，结论具情境特异性。

编辑判断： 这是少见的从一线精神科护理视角考察生成式人工智能使用的定性研究，价值在于把“信任问题”具体化为核实行为与提示词技能门槛。研究并未测量人工智能对护理质量或患者结局的影响，不能据此推断临床效果；样本教育背景集中，也限制了对不同资历护士观点的覆盖。对行业而言，它提示临床场景中的人工智能采纳不仅是工具准确率问题，还涉及关系性照护的边界与使用培训。

后续观察： 查找该研究全文以核对访谈细节与主题编码过程；追踪是否有同主题的定量研究测量AI使用与护理结局的关联

来源：Journal of Psychiatric and Mental Health Nursing（PubMed摘要）

炎症性肠病患者试点：单次30分钟人工智能驱动虚拟现实认知行为治疗会话后焦虑与疼痛评分短期下降

持续追踪｜学术研究｜来源日期：2026-11-05

事件： 研究为多中心混合方法试点，纳入34名炎症性肠病成人患者（中位年龄34岁，71%为女性，59%患克罗恩病），在芝加哥大学与Cedars-Sinai医疗中心完成单次30分钟XAIA（扩展现实人工智能助手）对话式虚拟形象会话。会话前后分别用视觉模拟疼痛量表和状态—特质焦虑量表测量。

定性分析显示接受度高，参与者报告安全感、被认可感和应对改善，并重视沉浸式环境、对话式虚拟形象及无需担心被评判地讨论敏感话题。探索性结局：疼痛评分下降0.46（P=.011），焦虑评分下降10.65（P<.001），均为会话后即刻测量。结论称该单次会话可行且接受度好，显示了疼痛与焦虑评分急性下降的初步证据，沉浸式数字行为健康干预或可成为炎症性肠病成人心理支持的规模化辅助手段。

来源表述： 无公司口径；研究由芝加哥大学与Cedars-Sinai医疗中心（美国洛杉矶）研究者开展，XAIA为研究中使用的基于人工智能的虚拟现实认知行为治疗应用名称。

为什么重要： 一项多中心混合方法试点研究在芝加哥大学与Cedars-Sinai医疗中心招募34名炎症性肠病成人患者，接受单次30分钟由对话式虚拟形象主导的人工智能驱动虚拟现实（VR）认知行为治疗会话。访谈显示接受度高，参与者报告安全感与被理解感；探索性结果显示会话后疼痛与焦虑评分立即下降。作者明确这是可行性研究的初步证据，不代表长期疗效。

编辑判断： 这项试点把人工智能对话与虚拟现实沉浸环境结合，用于躯体疾病人群的焦虑与疼痛管理，其价值在于验证可行性与接受度，并给出即刻评分变化的探索性信号。但样本仅34人、无对照组、仅单次会话、测量为会话后即刻，不能据此推断临床疗效或持久效果；作者也将其定位为初步证据与潜在辅助手段。对数字心理健康行业而言，它提示“沉浸式+对话式”形态在特定患者群体中的可接受性值得进一步验证。

后续观察： 查阅该研究全文以了解量表具体版本与统计方法；追踪XAIA后续研究的设计与结果披露

来源：Inflammatory Bowel Diseases（PubMed摘要）

中国研究：人工智能焦虑高者对人工智能创作作品评价更低，创造力自我效能可能起中介作用

持续追踪｜学术研究｜来源日期：2026-11-04

事件： 研究包含三项预注册研究，总样本689人，考察不同人工智能焦虑水平个体对人工智能生成作品创造力评价的差异，以及创造力自我效能的中介作用。结果：（1）在人工智能创作者身份线索下，高人工智能焦虑者的创造力评价显著低于低焦虑者；在人类创作者身份线索下未观察到显著差异。（2）创造力自我效能可能是人工智能焦虑与人工智能生成作品创造力评价之间的中介变量。

（3）提升创造力自我效能可减少高、低人工智能焦虑个体之间的评价差异。作者称这些发现丰富了对人工智能创造力评价中评价者相关因素的理解，并为理解个体如何评价人工智能生成作品的创造力提供实践启示。

来源表述： 无公司口径；作者来自南开大学社会心理学系与东北大学悉尼智能科技学院（中国河北）等机构，属研究者表述。

为什么重要： 一项来自南开大学等机构的研究通过三项预注册实验（共689人）考察不同人工智能焦虑水平者对人工智能生成作品的创造力评价差异。结果显示，在标注人工智能创作者身份时，高焦虑者的评价显著低于低焦虑者；标注人类创作者时无显著差异。创造力自我效能可能是中介变量，提升自我效能可缩小两组差异。研究为摘要级证据，不能推断因果关系。

编辑判断： 该研究把“人工智能焦虑”作为评价者自身的心理特征来考察，提示公众对人工智能作品的判断可能受情绪与自我效能影响，而不仅是作品质量本身。需要强调：这是实验情境下的评价差异研究，中介分析基于统计模型，不能据此断言人工智能焦虑导致评价降低；摘要也未披露效应量与具体实验操纵细节。

对人工智能心理行业的参考价值在于，公众对人工智能的态度研究可作为理解技术接受度的心理侧面，但不直接等同于心理健康干预证据。

后续观察： 查阅全文以核对三项研究的实验操纵与中介分析；追踪AI焦虑量表在中文人群中的验证研究

来源：Acta Psychologica（PubMed摘要）

未来 7–30 天观察清单

• 查证该学院后续是否公开AI学生福祉研究的样本与结局数据

• 确认Rebecca Upsher主题演讲是否有配套论文或报告

• 获取论文全文，核对问卷设计、应答率与“正面评价”的具体测量方式

• 追踪作者团队或相关机构是否据此提出临床筛查建议

• 关注是否有研究区分一般聊天机器人与专用心理支持工具的使用差异

• Tee的风险检测算法由谁验证、误报与漏报如何衡量