《Frontiers in Psychiatry》:Efficacy of artificial intelligence-driven conversational agents (chatbots) for mental health promotion among university students: a systematic review and meta-analysis
编辑推荐:
背景:大学生承受显著心理健康负担,而及时支持的获取仍不均衡。人工智能(AI)对话代理可能提供低门槛支持,但证据基础快速扩展,既往综述常混合不同年龄组、干预类型、结局域和对照条件。目的:评估AI介导对话干预对大学生抑郁和焦虑症状的效果,同时区分结局域、对照强度、
背景:大学生承受显著心理健康负担,而及时支持的获取仍不均衡。人工智能(AI)对话代理可能提供低门槛支持,但证据基础快速扩展,既往综述常混合不同年龄组、干预类型、结局域和对照条件。目的:评估AI介导对话干预对大学生抑郁和焦虑症状的效果,同时区分结局域、对照强度、干预架构以及标准化干预后效应估计的证据要求。方法:研究人员将PubMed、Embase、PsycINFO、CENTRAL和Web of Science的检索更新至修订检索日期,并重建可审计的跨数据库记录账本。更新流程包括3,786条导出记录、451条DOI/PMID重复、41条确认的题名/作者重复和3,294条筛选的唯一记录。所有题名/摘要记录完成两名评价者筛选和共识链。46条更新检索记录进入研究层面/全文评估。随机对照试验(RCT)符合因果定量综合条件;相关可行性、可接受性、可用性和不可比对照研究保留叙述性综合。标准化干预后分析使用Hedges g(标准化均数差,SMD)、随机效应最大似然(REML)模型和Hartung-Knapp调整,并限于可归因的两组干预后数据。结果:在最终锁定的非主动/低强度对照分析中,三个抑郁比较支持对话干预(k=3;Hedges g=-0.413,95% CI -0.557至-0.268;I2=0.0%),四个焦虑比较也支持(k=4;Hedges g=-0.435,95% CI -0.603至-0.268;I2=2.1%)。在单独主动对话对照分析中,两个MYLO比较未显示对抑郁(k=2;g=0.165,95% CI -0.580至0.911)或焦虑(k=2;g=0.190,95% CI -0.556至0.937)的可靠增量效应。证据基础仍小、临床异质,并受失访、自报结局和普遍性不确定限制。结论:相对于非主动或低强度对照,AI对话干预可能改善大学生抑郁和焦虑症状,但证据确定性低且估计基于少数比较。针对主动对话对照的证据非常不确定。结局域差异和架构相关主张应视为假设生成性。安全、基于同意、人类监督的实施和客观结局评估是未来研究优先事项。系统综述注册:https://www.crd.york.ac.uk/PROSPERO/view/CRD420261323382,标识符CRD420261323382。
1 引言
1.1 背景:大学生心理健康危机
全球大学生群体面临日益严重的心理健康危机。学业压力、社会适应挑战和经济负担等多重因素导致抑郁和焦虑等心理问题高发。传统心理健康服务模式因资源受限、可及性差和普遍社会污名等局限,难以满足该群体庞大而紧迫的需求。
1.2 AI对话代理在数字精神病学中的作用
在此背景下,数字心理健康干预,尤其人工智能(AI)对话代理(chatbots),成为有前景的解决方案。其匿名性、便利性、成本效益和高可扩展性赋予应用潜力。通过基于证据的心理治疗框架,如认知行为疗法(CBT),对话代理可超越时空限制,为大学生提供即时、保密支持。
1.3 为何在快速演变证据基础中仍需本综述
本综述不替代早期综合,也不主张既往综述不必要。现有综述在人群、干预定义、结局、对照和研究设计资格上不同,影响合并估计解释。人群边界方面,一些综述纳入青少年和年轻成人,或12–25岁人群,或亚洲跨年龄人群,而非仅大学生。干预边界方面,一些综述聚焦生成式或混合生成式chatbot,或CBT/自然语言处理(NLP)对话代理,未覆盖基于规则、生成式和混合式参与者面向系统。结局和对照估计量方面,若干综述混合抑郁、焦虑、压力、痛苦、幸福感和健康行为,或混合主动、信息、被动和数字干预对照。相对等待名单或低强度信息的效应不等同于相对另一对话代理的增量效应。最接近的人群与干预综述为快速系统综述,检索四个数据库,纳入九项研究;最接近结局水平综述纳入39项研究但人群和对照更广。因此本综述增量贡献有限而具体:当前、以大学生为中心、结局特异、对照分层、数据来源审计的AI介导对话干预综合。研究人员使人群、干预架构、对照强度、时间点、报告链接和效应量来源可见,避免将非等价问题合并为同一干预效应。
2 方法
2.1 研究设计与注册
本系统综述和Meta分析严格遵循系统综述和Meta分析优先报告条目(PRISMA)指南。研究方案前瞻性注册于国际系统综述前瞻性注册库(PROSPERO),注册号CRD420261323382。
2.2 检索策略
检索PubMed、Embase、PsycINFO、CENTRAL和Web of Science,从各数据库建库至更新检索日期。检索词组合大学生等人群词、AI/chatbot/会话代理/生成式AI等干预词和抑郁/焦虑/心理痛苦等结局词,并检查相关系统综述和合格全文报告参考文献。更新检索因稿件原完成约六个月前,期间研究大幅扩展。主要定量证据限于随机对照试验(RCT)以减少混杂;准实验、单臂、可行性、可接受性、可用性和混合方法研究保留叙述或范围限定综合,不合并为RCT效应。数据库检索无语言限制;灰色文献和试验注册库用于识别潜在相关研究。数据库覆盖、索引差异、语言可得性和未发表研究检索可能留下残余发表和语言偏倚。
2.3 纳入标准与干预定义
合格干预为面向参与者、AI介导、旨在提供心理健康支持、预防或治疗的对话系统,可为基于规则、生成式或混合式。基于规则系统使用预定义脚本或决策规则;生成式系统通过大型语言模型(LLM)或类似生成引擎生成回应;混合式系统结合脚本治疗模块与生成或自然语言组件。混合式不强制归入任一类。采用功能性干预定义,因治疗目的和面向参与者对话传递是综述问题核心,而架构是演变技术属性。架构类型、治疗框架、持续时间、接触频率、人类支持和对照分别提取。因可比研究少且干预组件与年份、国家、框架和对照强混杂,架构特异性亚组Meta分析视为探索性,不用于因果主张。
2.4 数据提取与质量评估
两名评价者独立评估记录,通过共识解决分歧,遵循PROSPERO预指定方法并依PRISMA 2020报告。报告在研究层面通过DOI、试验注册、作者/样本特征、干预身份、对照结构等链接;同一试验多报告不计为独立研究。提取变量包括参与者特征、国家、招募背景、干预架构、治疗框架、时长、接触安排、人类参与、对照、结局工具、干预后和随访时间点、样本量、均值、标准差、调整估计、失访和分析人群。偏倚风险用RoB 2评估随机化、偏离预期干预、缺失结局数据、结局测量和报告结果选择;缺乏参与者盲法在偏离和自报结局测量解释中考虑。证据确定性用GRADE评估,考虑偏倚风险、不一致性、间接性、不精确性和发表偏倚。
2.5 统计分析
抑郁和焦虑分别综合。选择Hedges g作为标准化均数差(SMD),因小样本校正适用于小型学生试验;负值表示对话代理组症状更低。标准干预后SMD分析要求可归因的对话代理干预、合格对照和兼容的两组干预后均值、标准差和样本量数据。带标准误的调整均值不视为原始标准差;组内变化效应未转换为组间干预后SMD;报告不兼容研究保留定性综合或范围限定证据。使用随机效应最大似然(REML)模型加Hartung-Knapp调整,因预期临床和方法学异质性且可比研究少。非主动或低强度对照与主动对话对照分开分析;干预后即刻和随访结局不合并。数据支持时进行留一法和关注风险/失访的敏感性分析。架构、持续时间和治疗框架描述性总结;研究数少不支持可靠Meta回归。少于10个比较时不用漏斗图和正式小样本检验。
3 结果
3.1 文献检索与研究选择
更新检索产生3,786条输出记录。去除451条DOI/PMID重复和41条确认题名/作者重复后,3,294条唯一记录进入题名/摘要筛选,均完成两评价者筛选和共识链。3,248条在题名/摘要层面排除。46条更新检索记录进入研究层面/全文评估;其中24条有验证全文,12条关联报告映射到现有验证研究,6条因摘要或书目记录足以确定不合格而排除,4条为注册记录或无结局结果记录。历史代表性报告加入工作研究注册库以确保既往锁定研究覆盖,但未替代更新检索记录。
3.2 纳入研究特征
当前工作独立研究注册库包含23个研究集群,包括Woebot、Tess、XiaoNan、MISHA、UP chatbot、MYLO、KAI、Psy-Bot及其他可行性或范围限定对话干预的随机研究。22个集群有定性、有效性、可行性、可接受性或范围限定综合处置;一个相关技术报告不构成独立临床研究。证据涵盖基于规则、生成式和混合式系统及CBT、正念、心理教育、问题解决和混合治疗框架。干预周期约7天至16周,对照包括等待名单、信息或心理教育材料、低强度数字对照和主动对话代理。干预和背景多样性临床重要但限制直接可比性,因此分别报告架构、治疗框架、持续时间、对照和结局。
3.3 偏倚风险评估
偏倚风险以RoB 2评估,最常见担忧涉及无法盲法参与者、自报结局、失访和不完整或完成者分析。一项贡献焦虑数据的研究使用第8周完成者,在缺失结局数据域视为高偏倚风险。这些局限降低对合并效应大小的信心。GRADE确定性对非主动或低强度对照证据评为低,对主动对话对照证据评为极低。随机分配不能消除缺失数据、主观结局测量、小样本、间接性或有限独立比较的担忧。
3.4 AI干预对抑郁症状的影响
最终锁定的非主动/低强度对照分析中,三个抑郁比较贡献兼容干预后数据。对话代理干预有利于降低抑郁症状(k=3;Hedges g=-0.413,95% CI -0.557至-0.268;I
2=0.0%)。该估计应解释为少数异质性干预的短期平均,而非所有chatbot架构或治疗框架效果等同的证据。
3.5 AI干预对焦虑症状的影响
最终锁定的非主动/低强度对照分析中,四个焦虑比较贡献兼容干预后数据。合并估计有利于对话代理干预(k=4;Hedges g=-0.435,95% CI -0.603至-0.268;I
2=2.1%)。比较数少及失访和自报局限意味着估计仍不确定,不应解释为对话代理足以应对急性焦虑或危机护理。在单独主动对话对照分析中,两个MYLO比较未显示对抑郁(k=2;Hedges g=0.165,95% CI -0.580至0.911)或焦虑(k=2;Hedges g=0.190,95% CI -0.556至0.937)可靠增量效应。对照强度实质改变表观疗效解释。
4 讨论
4.1 主要发现与既往综述关系
该综述提供AI介导对话干预对大学生聚焦综合。相对非主动或低强度对照,最终锁定估计支持抑郁和焦虑症状改善。然而证据基础小,可用主动对话比较未显示可靠增量获益。此模式与若干既往综述方向大致一致,但估计不应假定数值可互换,因既往综述在人群、干预范围、结局、对照和检索日期不同。最接近人群与干预综述为快速系统综述,检索四库、纳入九项研究;最接近结局水平综合纳入39项研究但人群和对照更广。本综述主要附加值为方法学和人群特异:分离症状域、对照强度、时间点、架构和效应量来源,并明确独立研究与关联出版物。这些区分重要,因广泛综述可能混合青少年与大学生、一般数字干预与chatbot干预、主动和被动对照,分析目标估计量不同。
4.2 抑郁、焦虑与临床解释
观察到的抑郁和焦虑估计不应解释为不同治疗机制的确定性证据。抑郁和焦虑相关但不同症状域,招募、基线严重度、测量工具、治疗框架、暴露和失访差异可能贡献表观域差异。研究数少阻止可靠检验架构或症状域是否改变治疗反应。CBT导向对话传递可能支持结构化反思、心理教育和行为激活,而急性焦虑可能需要快速评估、危机敏感反应和无法由无监督自动代理安全提供的支持形式。这些是合理临床考虑,非本Meta分析确立的因果解释。
4.3 对照、参与和期望效应
相对等待名单或低强度材料的效应可能包括非特异性关注、希望、新奇、期望和增加监测,以及治疗机制。主动对话对照结果因此特别有信息量,尽管目前稀疏且不精确。用户参与可能影响暴露和依从性,但不应假定参与中介症状变化,除非前瞻性中介分析。未来试验应预先定义参与测量,并区分治疗内容、关注、社会存在和技术可用性。
4.4 异质性、失访和普遍性
干预持续时间约7天至16周不等,治疗框架和架构也不同,限制合并估计代表单一标准化剂量的假设。REML随机效应模型和Hartung-Knapp调整统计上考虑不确定性,但不能去除临床异质性。研究少时亚组分析和Meta回归不稳定;架构和持续时间发现应保持描述性。失访是主要局限:完成者分析可能过度代表耐受或获益参与者;高失访、差异脱落和依赖自报测量降低确定性。证据跨多国和教育环境,但地理多样性本身不建立文化普遍性。语言、污名、数字接入、校园服务、社会经济条件和对AI介导支持期望可能影响参与和结局。
4.5 负责任可扩展性、数字表型和未来研究
对话代理可能提供可扩展传递渠道,但可扩展性不等同于已证明的人群水平有效性。大学规模实施需要本地语言和文化适应、可及性、与现有服务整合、明确人类升级路径、质量监测和防止不公平可及的保障。研究人员有意将数字表型(digital phenotyping)重新界定为未来研究可能而非已证明临床功能。交互日志可能含潜在信息行为信号,但其有效性、可靠性、临床效用和公平性需要前瞻性验证。对话数据任何二次使用应要求有意义同意、数据最小化、目的限制、安全存储和传输、基于角色的访问控制、透明保留政策、人类监督和安全信号明确响应计划。被动监测绝不能静默替代临床评估或知情参与。未来随机试验应预注册架构、治疗框架、持续时间、参与、安全和缺失数据计划,并透明报告AI干预。除验证自报量表外,研究者应考虑临床医生评定结局、行为指标、生理措施(伦理和技术上合理时)和长期随访。主动对话对照和头对头架构研究对分离治疗效应与关注、期望和新奇特别重要。
5 结论
在大学生中,AI介导对话干预可能相对非主动或低强度对照降低抑郁和焦虑症状,但证据确定性低且独立比较数有限。主动对话比较证据非常不确定,未确立可靠增量获益。结果不应推广到危机干预、无监督临床护理或所有chatbot架构。该领域需要透明、预注册、足够把握度的试验,采用主动对照、完整随访、稳健缺失数据处理、文化响应设计以及自报之外的客观或临床医生评定结局。对话数据可能支持未来数字表型研究,但仅在明确同意、严格隐私和安全保护及人类临床监督下。