系统综述：聊天机器人可用于成人心理筛查，但证据质量参差且不能替代临床判断
一项发表于《JMIR mental health》的系统综述汇总18项2021至2025年的研究，评估聊天机器人与AI（人工智能）对话代理在成人心理筛查和评估中的效果、准确性、可靠性与可接受度。
摘要显示，基于规则的聊天机器人信度较高、可接受度良好；
大语言模型在抑郁和焦虑筛查中报告的敏感度为0.84至0.93、特异度为0.80至0.96，多数研究报告用户满意度不低于70%，但老年人群存在使用障碍，研究质量异质且关键维度偏倚风险中等。
作者结论是这些工具应配合而非取代临床判断。 该来源仅为题录/摘要，未提供全文数据，不能据此判断临床有效性或因果关系。
本研究为系统综述，检索时间为2025年5月，覆盖PubMed/MEDLINE、PsycINFO、Scopus与Web of Science（2019—2025），遵循PRISMA（系统综述和荟萃分析优先报告条目）2020指南，并在PROSPERO（国际系统综述前瞻性注册库）注册（CRD420251072392）。
纳入18项研究（2021—2025），样本量20至3902人，纳入对象为成人（≥18岁）。 摘要报告：基于规则的聊天机器人信度高（Cronbach α>0.85），可接受度良好（干预可接受性量表>19/25）； 大语言模型对抑郁和焦虑的敏感度为0.84至0.93、特异度为0.80至0.96，在自杀风险评估中与临床专家的相关性最高达r=0.96；
大语言模型与机器学习结合的混合方法在认知障碍识别上F1分数92.1%、特异度99.6%； 多数研究用户满意度≥70%，但老年人群存在障碍； 方法学质量异质，关键维度偏倚风险中等。
摘要显示筛查与评估环节是聊天机器人目前证据相对集中的方向，但纳入研究方法学质量异质、偏倚风险中等，且未报告统一的对照设计或长期结局，因此不能把敏感度、特异度数值直接理解为临床诊断能力。 作者本人也指出需要明确临床流程、专业监督、与电子健康记录整合以及缓解算法偏见。
对校园与个人心理产品而言，这一证据的价值在于提示筛查工具需要区分“筛查提示”与“诊断结论”，并预留人工复核路径。
后续观察信号
- 获取该综述全文，核对纳入研究中是否存在青少年或校园场景数据
- 核查各研究的对照设计与参照标准（如临床访谈量表）
- 跟进监管与专业学会对AI（人工智能）筛查工具的最新要求