Yuna回顾性研究：2.9万次AI（人工智能）心理支持会话中约四分之一被系统判读为困扰缓解轨迹
一项针对AI（人工智能）心理干预产品Yuna的回顾性观察研究，分析4463名用户的28,870次会话，按AI（人工智能）识别的情绪类别划分出五类会话轨迹，其中“困扰缓解”轨迹占24.4%，“持续困扰”轨迹占15.8%。
这里的“困扰缓解”是系统根据每条消息的情绪判读给出的标签，并非用户自报的改善。 作者强调，这一情绪轨迹信号还需自我报告验证以及纵向、实验研究，才能判断是否对应真实结局。
研究原始来源可核对
事实与证据边界
这项摘要级研究发表于《JMIR Formative Research》，由Yuna所属机构Fit Minded, Inc.的作者完成，分析的是Yuna消息层面由AI（人工智能）判读的情绪数据。 其情绪检测系统基于语义空间理论，对36种细分情绪连续打分，并归为困扰相关、认知加工、调节性积极、社会人际四类。
会话轨迹分为稳定（7679/28870，26.6%）、困扰缓解（7042/28870，24.4%）、过渡加工（6195/28870，21.5%）、持续困扰（4568/28870，15.8%）、困扰升级（3386/28870，11.7%）。 在起始为困扰状态且有会话时长数据的1597次会话中，73.3%在会话结束时呈困扰缓解轨迹。
混合效应分析显示，AI判读出的情绪状态种类更多（OR 1.16）与会话时长更长（OR 1.01）与困扰缓解正相关，情绪切换更多（OR 0.97）与困扰缓解负相关。
分析判断
这是目前少见的以消息级情绪轨迹为评估对象的真实世界观察，把评价重点从会话前后的症状分数转向会话过程本身。 但情绪状态由AI（人工智能）系统自行推断，没有用户自报或临床量表校验，轨迹类型也不是随机分组，因此不能据此推断是AI支持带来了困扰缓解，相关程度也不能写成因果关系。
后续观察信号
- 追踪Yuna团队是否开展纵向或对照研究
- 关注AI（人工智能）情绪识别在心理场景中的验证标准讨论