AI进入精神科：现在能做什么，哪些存在风险？|医生|治疗师|神经系统疾病|精神病

人工智能正在渗透到医疗的每一个角落，精神科也不例外。但AI在精神科到底能做什么、不能做什么？哪些应用已经成熟，哪些还存在风险？

在近期一场由印第安纳大学精神病学教授Stephen Strakowski主持的专家对话中，两位AI与精神医学交叉领域的权威学者——哈佛大学麻省总医院精神病学系研究副主任Roy Perlis和劳瑞特脑研究所科学主任Martin Paulus——深入探讨了这些问题。

什么是AI？它真的“智能”吗？

关于什么是人工智能，Perlis给出了一个实用的定义：用计算机来完成那些传统上需要人类智能才能完成的任务或解决问题。有时人们把它和“机器学习”混为一谈，但实际上AI的含义更广。

至于AI是否真的“智能”，Paulus指出，AI领域的开发者其实回避了“是否真正智能”这个哲学问题。他们所做的，是将AI系统与人类在特定任务上的表现进行对比。结果是：AI在某些事情上极其擅长，在另一些事情上则非常糟糕。更重要的是，现代AI系统的计算已经复杂到连创造者也未必完全理解它们是如何得出特定答案的。

Perlis补充了一个务实的观点：人类其实也并不完全理解自己的认知过程。AI擅长的事情往往与人类擅长的事情不同，反之亦然。关键不是争论“谁更聪明”，而是找到AI在哪里有用、在哪里还需要人类判断。

AI在精神科的临床应用：三个层次

✅ 现在就可以用（低风险、高收益）

排班和预约管理：优化患者就诊安排，减少行政负担。这是短期内可能产生最大影响的行政类应用之一。
患者教育：提供经过临床医生审核的、更广泛的疾病知识科普。
CBT作业辅助：在两次治疗之间，帮助患者完成认知行为治疗的作业和练习，充当“低级别治疗扩展器”。生成式AI心理健康聊天机器人可以通过支持治疗间期的CBT任务来改善参与度和依从性。
研究显示，这种辅助的效果虽温和但确实存在。一项综述指出，基于CBT的心理健康聊天机器人在减轻抑郁和焦虑方面显示出临床疗效。

研究阶段（风险升高，需更多验证）

临床决策支持：如判断患者应多久复诊一次、应由谁接诊。在一项针对难治性抑郁症的研究中，增强型大语言模型与专家推荐表现出中等程度的一致性，并且避免了禁忌治疗方案，显示出作为支持复杂精神药理学决策工具的潜力。
- 另一项研究发现，将基于大语言模型的诊断工具与专家临床推理相结合，可以显著提高阳性预测值（PPV）。
- 在心境障碍领域，通过“检索增强生成”（RAG）方法将大语言模型与治疗指南相结合，其识别恰当下一步治疗方案的准确率与临床专家相当，且高于社区临床医生。
就诊前综合信息合成：将患者的电子健康记录（EHR）数据整合成摘要供医生参考。但风险在于，AI可能会生成看似可信实则错误的摘要（即“幻觉”）。虽然这一问题已有所改善，但在高风险环境中仍不可忽视。
被动感知数据处理：如利用手机传感器数据监测患者状态，仍处于研究阶段。
EHR分析：通过分析电子健康记录为医生提供决策建议。

❌ 现阶段完全不适用（高风险，切勿依赖）

危机评估：自杀、杀人等危机情况的评估，AI远未准备好。尽管有研究在探索利用机器学习预测自杀想法和行为，但这仍处于研究阶段。一篇JAMA Psychiatry的特别通讯也指出，AI的广泛应用可能带来风险，需要谨慎评估。
儿童青少年与AI互动：许多青少年已经在使用ChatGPT询问健康问题。但研究表明，某些聊天机器人可能强化症状循环——例如一项研究发现，使用聊天机器人后患者的强迫症（OCD）症状反而加重。长期影响尚不明确。
严重精神疾病管理：躁狂发作、精神病性发作的管理，绝对不应交由AI系统处理。虽然尚不清楚聊天机器人是真正导致妄想（AI诱发精神病），还是仅仅恶化已有的妄想（AI加重精神病），但风险是真实存在的。
AI聊天机器人作为治疗替代品：尽管有研究显示生成式AI聊天机器人在4周和8周后能减轻抑郁、焦虑和进食障碍症状，但其研究设计存在诸多局限性。一篇范围综述指出，ChatGPT在更复杂的临床情况中存在显著局限，且预后输出过于悲观。