AI 心理健康前沿——临床需要先问：患者如何使用 AI

心理健康临床工作里，AI 已经不只是一个产品功能，而可能成为患者日常生活的一部分。JMIR Medical Education 最近发表的 AWARE 框架，建议临床人员系统询问患者怎样使用聊天式 AI：使用频率与方式、使用原因、是否形成情感依恋、是否影响现实判断与安全，以及对睡眠、关系和日常功能的影响。它带来的重要变化是：临床不必先判断 AI “有益”还是“有害”，而应先把 AI 在患者生活中的实际角色问清楚。

前沿信号

AWARE 是五个英文维度的缩写：AI Use（使用）、Why（原因）、Attachment（依恋）、Reality and Risk（现实与风险）、Effect on Functioning（对功能的影响）。论文把它定位为一种灵活、非评判性的临床对话框架，而不是诊断量表。

同一个聊天界面可能被用于写日记、获取心理健康科普、寻求安慰、陪伴，或帮助做出照护决定。单看使用时长，无法说明它究竟在帮助患者，还是正在替代人际支持、放大不安全的信念。真正需要追问的是：AI 在这段生活与照护关系中承担了什么角色，以及这种角色带来了哪些变化。

为什么临床与构建者在意

对临床人员而言，患者带来的 AI 对话、解释和建议，可能影响病史采集、风险评估和治疗计划。如果没人主动询问，这些影响就会停留在诊室之外。结构化但不带指责的提问，可以让患者更容易讲出自己如何使用 AI，也让临床人员看见原本缺失的背景。

对构建者而言，产品边界也因此改变。心理健康助手不应只优化单轮回答质量，还要在关系变得重要时，让使用情境可以被患者和临床人员看见。这与 WisdomChain 关于叙事评估需要人工校验点以及高风险对话临床校准的讨论相连：下一层问题是长期使用是否改变睡眠、关系、决策和与人工照护的联系。

技术解读

从系统设计看，AWARE 是加在非结构化对话流外面的结构化询问层。它可以对应到初诊或随访中的五组字段：

• 使用： 使用场景、频率、时长和触发时刻。
• 原因： 信息获取、情绪支持、反思、陪伴或其他目标。
• 依恋： 信任、亲近感、依赖程度，以及是否认为 AI 特别理解自己。
• 现实与风险： 是否把输出当成权威、是否强化异常信念，以及是否出现安全风险。
• 功能： 对睡眠、工作、人际关系、日常活动和接受照护的影响。

论文没有证明它具备诊断准确性，也没有提供因果效果或风险分数。它提供的是临床推理的骨架。因此，工程实现应保存来源和人工解释，而不是生成一个不可解释的“AI 依恋分数”。如果产品要自动化任何维度，都应有明确证据、人工复核和患者纠正记录的入口。

临床现实校验

框架不是临床结局研究。论文没有证明这些问题会改善诊断或治疗，也没有给出“问题性 AI 使用”的普适阈值。回答仍需结合文化背景、医疗可及性、社会孤立、物质使用和既有症状来理解。

另一个风险是把评估变成监控。助手若暗中推断依恋或现实风险，可能造成污名并损害信任；若把自己塑造成随时在线的权威，又可能让人工支持变得不那么重要。更稳妥的设计包括明确告知、用户可见的使用记录、由临床人员控制的升级路径，以及清楚区分反思性支持和临床判断。

构建者要点

• 在初诊和随访中提供可选、用户可见的 AI 使用记录，不要暗中生成分数。
• 评估睡眠、关系、功能和人工照护联系是否改变，而不只是评估语气或对话评分。
• 以不带病理化色彩的方式询问动机和依赖，区分普通尝试与临床相关变化。
• 涉及现实感、安全或明显功能下降时，转交受训人员复核，不能由模型单独裁决。
• 在不同文化与数字可及性条件下，与临床人员和患者共同测试框架，再决定是否纳入标准流程。

链接 / 来源

• The AWARE Framework for Assessing Patients' Use of AI in Mental Health Care——JMIR Medical Education 论文。
• MedicalXpress 对 AWARE 框架的介绍——概述五个评估维度及临床用途。
• 叙事评估仍需要人工校验点——相关 WisdomChain 分析。

Read in English →