《Decision Support Systems》:AI-driven mental health therapy: A comparative study of emotional clarity and stigma reduction across journaling, human-guided therapy, and AI-guided therapy
编辑推荐:
随着全球对可及心理健康解决方案需求的增长,AI驱动的治疗作为一种应对压力相关挑战的有前景替代方案而出现。本研究基于社会认知理论(SCT)和压力与应对交互模型(TMSC),旨在探究AI介导的干预措施相较于传统方法,是否能够增强情感清晰度并减轻心理健康污名。通过一
随着全球对可及心理健康解决方案需求的增长,AI驱动的治疗作为一种应对压力相关挑战的有前景替代方案而出现。本研究基于社会认知理论(SCT)和压力与应对交互模型(TMSC),旨在探究AI介导的干预措施相较于传统方法,是否能够增强情感清晰度并减轻心理健康污名。通过一项比较AI引导治疗、人类引导治疗和日志记录的三组实验,研究人员评估了它们对情感处理和压力缓解的差异化影响。研究结果揭示,所有干预措施均带来了显著改善,但也呈现出细微差别。人类和AI引导治疗在增强情感清晰度方面均表现出优于日志记录的更高效力;而AI治疗在减少与寻求帮助相关的感知污名方面具有独特优势。人类和AI治疗模式在促进适应性应对策略、缓解压力和提升未来求助意愿方面显示出可比的效力,且两者均显著优于日志记录的结果。中介分析证实,这些效应是通过增强的情感清晰度和降低的污名感知而产生的。这些结果证实了AI作为一种有效治疗工具的潜力,能够减轻污名并促进心理健康支持的民主化获取。研究发现为将AI整合到心理健康生态系统中,作为压力管理背景下的补充或替代干预措施提供了可操作的见解。
随着全球心理健康挑战(如压力、焦虑和抑郁)日益普遍,数百万个体在获得充分护理方面面临障碍。有限的资源和寻求专业帮助相关的污名是重要阻碍。世界卫生组织强调,心理健康问题普遍、治疗不足且资源匮乏,这暴露了全球心理健康服务的关键缺口。新冠疫情进一步加剧了这些挑战。随着传统心理健康服务难以满足日益增长的需求,基于技术的解决方案获得了显著发展。在这一背景下,人工智能(AI)已成为一个有前景的领域,其在心理健康中有两个主要应用:一是监测与检测,例如分析社交媒体语言以识别抑郁症状的模型;二是AI驱动的治疗进行直接干预,它作为一种可扩展、可及且个性化的心理健康支持创新方案而兴起。在本研究中,心理健康治疗被定义为以认知行为为导向的治疗性对话:旨在通过引导性对话来识别、审视和修正消极思维模式与行为的结构化交流。通过模拟认知行为治疗(CBT)等治疗技术,AI治疗有望弥补心理健康服务的关键缺口。
尽管人们对AI治疗的兴趣日益增长,现有研究主要集中在其在症状监测、自动诊断和行为干预方面的应用。新出现的实证研究报告了其在缓解心理困扰方面的积极结果;然而,驱动这些结果的潜在机制仍然理解不足。这反映了文献中的三个相互关联的局限性。首先,传统心理健康服务未能满足当前需求,但AI治疗作为替代或补充的有效性仍未得到充分验证。其次,尽管AI匿名、非评判性的形式暗示了其在减轻污名(寻求帮助的关键障碍)方面的潜力,但很少有研究直接检验这一机制。第三,AI治疗在增强情感清晰度(即准确识别和表达自身情绪的能力,这是情感处理和自我调节的核心组成部分)方面的作用受到的关注很少,更多注意力集中在更广泛的情感调节概念上。此外,现有研究很少直接比较AI传递的治疗与其他模式(如人类传递的治疗或像日志记录这样的自我引导方法)对关键情感和心理结果的影响。缺乏此类比较证据,我们无法确定AI治疗能否成为心理健康护理中的有效干预措施,也无法确定它通过何种机制产生价值。
为解决这些空白,本研究探究两个研究问题:(1)AI引导治疗、人类引导治疗和自我引导的日志记录如何对心理健康结果(如应对策略、压力缓解和未来求助意愿)产生差异化影响?(2)这些干预通过何种机制(如情感清晰度和污名减轻)影响这些心理健康结果?本研究采用三组实验设计,在统一的理论框架内,比较AI引导治疗、人类引导治疗和日志记录(作为基线自我引导策略)在增强情感清晰度、减轻污名和改善心理健康结果方面的效果。研究采用的关键技术方法包括:基于SCT和TMSC理论构建概念模型;采用三组被试间实验设计;参与者于2025年上半年通过Credamo平台招募(共239名),被随机分配接受AI治疗、人类治疗或日志记录干预;使用经过验证的量表测量情感清晰度、污名感知、应对策略、压力水平和求助意愿等变量;进行操作核查以确保干预被正确感知;并执行中介分析以检验作用机制。
研究结果部分将保留小标题并简要说明通过何种研究得出何种结论。
AI治疗在减轻污名方面具有独特优势:实验结果表明,在降低与寻求帮助相关的感知污名方面,AI引导治疗的效果显著优于人类引导治疗和日志记录。操作核查证实参与者正确感知了各组干预的性质(人类治疗组评分M=6.22,AI治疗组M=5.16,日志组M=5.35)。
人类和AI治疗在增强情感清晰度方面均优于日志记录:研究发现,与仅进行自我引导的日志记录相比,接受人类治疗和AI治疗的参与者在情感清晰度(即识别和表达情绪的能力)的提升上表现出显著差异,两种治疗模式的效果均显著更强。
人类和AI治疗在关键心理健康结果上效果相当且均优于日志记录:在促进适应性应对策略、缓解压力以及增加未来求助意愿方面,人类治疗和AI治疗显示出可比的效力,并且两者均显著优于日志记录组。
中介分析证实了作用机制:统计分析确认,干预措施对心理健康结果的积极影响是通过提升情感清晰度和降低污名感知这两条中介路径实现的。AI治疗同时利用了这两条路径。
讨论部分总结了研究的意义。在理论上,本研究推进了电子心理健康(e-mental health)领域的研究,阐明了AI介导干预在压力管理中的治疗潜力,并通过证明AI治疗能够结合人类治疗的引导益处与独特的污名减轻优势,解开了现有文献中的一个难题。在实践上,研究为面临传统治疗障碍(如污名、成本、可及性)的个体、寻求将AI工具整合到实践中的心理健康从业者、设计AI治疗系统的开发者以及解决心理健康服务获取差距的政策制定者提供了有价值的见解。研究结论部分指出,AI治疗显著改善了心理健康结果(如应对、压力缓解和未来求助意愿)。至关重要的是,比较设计揭示AI治疗整合了两条路径:它提供了人类治疗的引导益处(观察学习、结构化反思),同时通过匿名性带来了独特的污名减轻效果,表明AI治疗是一种有前景的、可民主化获取心理健康支持的补充或替代工具。本研究为将AI整合到心理健康生态系统中作为压力管理背景下的有效干预措施提供了实证依据。