AI如何开启心理治疗领域新时代？

一位眼科医生通过用人工晶体置换混浊的晶状体（白内障），能在半小时内改变一个人的生活。在许多医疗领域，从业者可以用明确的指标（如血液检测、骨骼扫描和其他生理指标）来评估干预的效果。

在心理健康护理领域，用于诊断和提供治疗方法的数据通常主要由逐步积累的文本构成。虽然标准化问卷和评分量表提供了一些可量化的指标，但它们仍然依赖于自我报告或临床医生的判断。这使得叙述中可能出现许多漏洞、误解和认知偏差。一位患者可能因为各种原因无法准确地在日志中记录自己的情绪、活动或行为，而临床医生在有限的环境和较短的时间内与患者互动时，可能会对患者的病情做出错误的判断。

数字技术可以通过提供更客观和持续的数据收集方法来帮助缓解这些问题。现在可以利用智能手机和可穿戴设备实现对行为的被动监测。能够主动提示用户情绪和行为状态的心理健康应用程序可以帮助人们实现更一致的自我监测。利用AI分析地理定位数据、短信发送频率和通话时长，可以预测抑郁症或双相情感障碍的发作。

大语言模型还可以分析大量的治疗会话记录，以更好地了解在不同情境下哪种干预措施效果最好，以及哪些咨询师行为可以带来不错的治疗效果。例如，2024年1月，隶属于质量保证和临床医生培训平台Lysnio和在线治疗提供商Talkspace的研究人员在《美国医学会杂志网络开放版》（JAMA Network Open）上发表了一项研究，该研究对2014年至2019年在Talkspace上发生的超过16万次匿名文本咨询会话，进行了AI驱动的分析。

在这些咨询会话中，患者与持证咨询师交换了超过2000万条信息。使用Lysnio开发的文本分类器，研究人员能够在非常精细的层面对所有这些消息进行分类，既包括讨论的话题，也包括咨询师采用的具体行为。例如，任何一条信息都可以用诸如“工作”、“育儿”、“开放式提问”或“反思性倾听陈述”等代码进行标记。

研究人员随后将这些编码的对话与患者症状、客户满意度、咨询持续时长，以及通过客户自我评估问卷（PHQ-8）所表达的症状变化等数据联系起来。通过这种方式，他们能够发现哪些咨询师行为和干预措施在特定情境中效果最佳。

例如，数据显示，心理咨询师最常见的治疗干预措施是给出建议或“提供信息”，这占了他们一半以上的工作时间，但这种做法与较差的治疗结果呈现微小但显著的关联。这一发现说明了分析大型数据集的力量，因为较小的数据集无法揭示出“提供过多心理教育可能不利于治疗进展”这一违反直觉的见解。

相比之下，像“复杂反思”（对患者所述内容进行有实质意义的重述或强调）和“肯定”（认可并肯定患者优势和努力的陈述）等干预措施与更好的治疗结果相关。通过揭示在个别案例甚至数十个或数百个案例中不太可能出现的模式和关系，这种大规模分析可以帮助从业者更好地理解有效治疗的细微之处，并改进其治疗实践。

计算临床心理学家伊丽莎白·施塔德（Elizabeth C.Stade）等探讨了心理咨询师如何将大语言模型作为助手融入他们的实践，并将研究结果发表在《npj心理健康研究》（npj Mental Health Research）杂志上。他们设想了一种专门的迭代部署形式，提出了在心理健康领域整合AI的3个潜在阶段。

l 第一阶段，属于相对简单的AI辅助用途。例如，利用AI工具将咨询过程中的会话录音等实时记录资料转换成更为正式的诊疗会话记录、治疗计划，以及正式病例。

l 第二阶段，涉及更多的协作参与。例如审查完整的会话记录，以评估实习心理咨询师应在多大程度上遵循循证实践，或帮助患者完成心理咨询中的任务，例如为接受治疗而填写不同类型的表格。

l 第三阶段，涉及完全自主护理。在这种情况下，临床大语言模型完成了基于循证实践的培训，并经过了严格的实用性、有效性和安全性评估，能够执行人类临床医生所执行的所有任务和干预措施。

尽管一些人可能会担心，随着我们向第三阶段迈进，该行业的工作岗位会受到威胁，但也同样可能存在另一种更加宏大和乐观的情形，使心理健康护理的提供方式类似于Spotify的音乐服务和奈飞的视频服务。也就是说，这种护理将变得更加便捷、经济、可扩展、以数据分析为指导，并根据用户的独特偏好和需求进行个性化配置。

互联网时代一个反复出现的主题是，大型科技公司虽然拥有相当可观的资源，可以用来解决真正重要的社会问题，却往往更倾向于选择更琐碎但更有利可图的挑战。“我们这一代最优秀的人才都在思考如何让人们点击广告，这太糟糕了。”Facebook的早期员工杰弗·哈梅巴赫（Jeff Hammerhacher）在2011年告诉《商业周刊》（Busines Week）。

然而，现在出现了一个机会，可以利用数据科学做更多的事情，而不仅仅是优化猫咪视频的推荐或准确预测迈阿密海滩的粉色火烈鸟造型游泳圈的需求高峰。

人们选择心理咨询师的原因多种多样，但通常可以归结为便利性和实用性。朋友或家人推荐过谁？谁离你比较近？他们是否接受新病人？想象一下，当充足的智能资源变得普及后，这一切将如何改变。当心理健康护理变得真正负担得起且易于获得时，大家就能更关注治疗方法和专业技能。

在许多方面，像BetterHelp和Talkspace这种心理健康平台正在朝这个方向努力。但它们完全依赖人类心理咨询师，这就带来了一些局限性。例如，服务不像Spotify或奈飞那样可以按需提供，你仍然需要预约时间。即使你选择发送文本消息来跟你的心理咨询师交流，他很可能仍然是在固定的工作时间来回复消息，他们并不是24小时全天候在线。任何一个人类心理咨询师能够服务的患者数量都是有限的。

最后，如果你没有医疗保险，你最终支付的费用肯定会比奈飞高级会员贵得多。

一个既有完全虚拟的心理咨询师又有人类心理咨询师的平台，其运作方式所受的约束会少很多。那么，当你可以随时访问一个经过临床测试和验证的心理咨询师时，无论是两分钟还是两小时，仅需每月不到20美元的固定费用，会发生怎样的变化？维基百科列出了将近200种不同的心理治疗方法，也有其他来源认为可能有超过500种。也许分析心理学是最适合你的方法，也许辩证行为疗法最适合你。你又如何知道哪种心理治疗方法对你最有效呢？

寻找适合你的 AI 心理疗法比任何时候都容易

既然成本不再是问题，那就开始探索吧。很快你就能试用多位虚拟心理咨询师，进而更清楚什么对你最有效。如果需要固定形式的预约，你可以选择这种；如果你希望能够以自发、自由的方式与心理咨询师沟通，就像查阅维基百科一样，你也可以这么做。也许你会定期与多个心理咨询师交流，也许你会组建一个心理咨询师团队，与他们共同会面，从而在实时讨论中受益于第二和第三种意见。

寻找最适合你的治疗方法将比以往任何时候都更容易，而且你实际上可能不需要进行太多搜索。在医疗中进行数据共享是一个敏感且有争议的问题，但它也可以显著提升治疗的个性化水平。一个由AI驱动的心理健康平台可以分析来自数千名与你的年龄、性别和特定焦虑症状相似的患者的数据。

这样的平台会知道哪些认知行为疗法练习或药物治疗方案对与你相似的其他人带来了最显著的改善。它可以优先考虑在现实场景中超过一定功效阈值的方法，并为你推荐个性化的治疗方案。它甚至可以给你提供几种不同的选择，与你分享它们各自的成功率，并让你选择最吸引你的那个。也许平台上的每一位咨询师，无论是人类还是Al，都会在其个人资料上附上用户评论，就像亚马逊上的商品评价那样。最终，平台可能会提供一个类似Spotify的“组合疗法”推荐，基于你的互动记录，为你策划出一套独特的疗法组合。

无论治疗型大语言模型可能变得多么可靠，有人可能还会争辩说，选择这条路径会让我们失去人性中某些根本的部分。

这是技术悲观主义的思维方式，只盯着事情的消极一面。让我们看看另一面：Al系统可以帮助培训更多人类心理咨询师，远超出我们现有的培训能力；AI系统可以以多种方式支持人类心理咨询师，从而让他们能够与更多的患者互动；Al系统可以让当前护理模式无法覆盖的数百万人获得丰富且负担得起的护理服务。

当我们转向技术繁荣派的思维方式时，益处开始涌现。人们在最需要被关注的时候感到被关注。他们可以在任何时间—无论白天还是晚上，获得具备同理心的回应和实用的应对方法。他们通过持续的、个性化的支持，发展出更健康的应对机制和情感韧性。

这个雄心勃勃的愿景不仅旨在复制和扩展当前的治疗实践，还包括变革和提升这些实践，有可能开创一个更加全面、持续且深度融入日常生活的心理健康护理新时代。

本文节选自《AI赋能》

作者：[美]里德·霍夫曼

译者：陆坚

出版时间：2025年5月

出版社：湛庐文化/浙江教育出版社