人工智能（AI）正逐步进入精神卫生服务的不同环节。除了信息查询、风险识别和临床记录，AI也开始用于辅助临床决策、监测症状变化，以及提供对话式支持。按照使用对象和应用场景，这些工具大致可分为三类：
面向临床医生：辅助生成临床记录和病历摘要，支持工作流程、诊断评估和治疗规划，以及开展风险评估、复发预测和持续监测。
面向患者：提供对话式支持、心理教育和自我管理工具，协助分诊与就医导航，并用于症状监测、被动监测和早期预警。
面向医疗系统及研究：用于适应性试验设计、数字孪生、患者分层，以及服务规划、资源与人力配置、质量安全监测和实施情况评估。
然而，AI应用扩展的速度已经超过临床证据和治理规则的完善速度。不少工具可以被公众直接使用，模型本身也在频繁更新；与此同时，一些患者已经开始在正式医疗体系之外，直接向AI寻求精神健康方面的建议和支持。
由此产生的一系列问题尚无统一答案：一项工具需要具备怎样的证据，才能提出临床疗效方面的主张？面对
2026年7月9日，来自精神病学、心理学、伦理学、临床信息学、神经科学和人工智能等领域的国际多学科团队，以及
这四个领域经结构化讨论和多轮修订后确定，参考资料包括相关综述、临床试验、定性研究、政策文件和媒体材料：
领域一：证据标准与安全评价
目前，精神卫生大语言模型的研究仍以基础性能测试为主。虽然已有临床试验发表，但尚无重复试验显示相关工具能够持续带来具有临床意义的结局改善。现有研究又多采用等待名单对照，难以排除接触时间、治疗期待及非特异性支持等因素的影响。
因此，疗效试验需要设置可信的主动对照，并使对照组在接触时间、治疗期待和非特异性支持方面与干预组尽可能相当。如果某种AI被视为临床照护的替代选择，还需要通过独立重复研究，考察其长期获益，并验证其在预先设定的高风险场景中能否安全运行。
安全性也不能简单包含在疗效评价之中，而应单独考察。一项AI工具或许能使试验参与者的平均症状评分下降，却仍可能在某位使用者透露自杀意图时应对失当。真实世界评价已经发现了一些具体问题：
对自杀意念作出不恰当回应；
未能对使用者披露的高风险信息启动升级处置；
提供错误的危机求助信息。
另有个案报告记录，一些使用者在沉浸式使用AI聊天机器人后出现精神病性体验、妄想性思维或躁狂状态；部分对话似乎还认可或强化了使用者的病理性信念。这些资料不能确立因果关系，但提示精神卫生场景中的不当回应可能造成严重后果。
针对现有证据缺口，立场文件提出了几项具体工作：
改进疗效试验：设置可信、能够匹配关注程度的主动对照，尽可能控制接触时间、治疗期待和非特异性支持的影响。
单独开展安全评价：在压力测试中预设自杀意图等高风险信息披露，逐项考察风险识别、升级处置、危机资源提供和停止规则。精神障碍亲历者也可参与测试场景的设计。
覆盖产品的整个生命周期：将部署前测试、受控上线、对抗性测试、独立审计和部署后监测衔接起来。标准化测试资料可以纳入临床对话和危机披露，但必须同时处理隐私和知情同意问题。
对于持续更新的模型，一次性评价显然不够。版本更新后，原有评价结论未必仍然适用；有些性能变化或性能漂移，也可能在正式部署后才逐渐显现。因此，监管也需随模型更新而调整，包括探索动态审批和定期重新认证，并明确发生伤害后的问责机制。未来还可建立独立审计机制，持续评价模型的偏倚、安全性和临床可靠性。不同国家和地区还需加强监管协调，减少证据门槛、部署后要求和问责框架之间的分歧。
监管视野还需要覆盖ChatGPT、Gemini和Claude等通用大语言模型。这些模型虽然不是专门为精神卫生服务开发的产品，但已经被一些心理状态较为脆弱的人用于寻求建议和支持，并可能影响其求助行为、对自身症状的理解，以及是否披露风险信息。
领域二：伦理、公平与患者参与
评价精神卫生AI的伦理风险，首先要回答一个基本问题：它究竟应该与什么相比？
现实中的精神卫生服务并不完美，诊断不一致、候诊时间过长和随访中断等情况并不少见。因此，考察AI工具的安全性、准确性和偏倚时，更合理的参照是当前实际提供的常规照护，而不是一个高度理想化的医疗系统。
然而，与现有照护进行比较，并不足以解释AI带来的全部风险。长期与非人类对话者互动，可能产生传统医疗关系中没有出现过的问题。这类风险仍需单独接受伦理和临床审查。
数据的代表性同样是一项高度现实的约束。很多精神卫生AI使用来自高收入国家和学术机构的数据进行开发。当模型被用于年龄、文化、语言或社会经济背景不同的人群时，性能可能下降。因此，研究报告需要说明数据来自哪里、覆盖了哪些人群，并按具有临床或社会意义的不同亚组分别报告结果。长期来看，还需建立代表性更强的数据集，并制定相应的文化适配和情境验证标准。
患者参与也不应停留在产品完成后的意见征询，而应贯穿AI工具的研发、评价和使用过程。具体可包括：
开发之初：由患者及精神障碍亲历者参与界定问题，选择优先应用场景，并讨论模型需要解决哪些实际需求；
评价期间：共同确定与患者密切相关的结局指标，审查高风险场景和升级处置路径，并讨论怎样的风险水平可以接受；
产品上线后：建立方便使用的不良体验反馈渠道，让患者继续参与伤害监测、风险沟通和后续治理。
相应地，评价精神卫生AI时，不能只看准确率或症状平均改善幅度。工具是否维护患者尊严和自主性，是否加重污名或带来强制感，决策能否得到解释，以及患者是否信任其建议，也应纳入考察范围。
患者参与不能代替正式监管，开发者的内部评价也不能代替独立审计。
与低收入和中等收入国家的机构开展合作时，应强调共同开发、能力建设和共同治理，而不是只从当地提取数据，或事后移植在其他地区开发的工具。开放源代码和低成本的技术路径，则可能缓解创新资源过度集中于少数商业机构和医疗系统的问题。
领域三：医生培训、监督与责任
当AI开始参与精神障碍的诊断评估、治疗决策和持续监测，传统的医患二元关系可能逐渐转变为患者-临床医生-AI共同参与的三元结构。AI还可能改变患者愿意披露哪些信息、期待多快得到回应，以及更信任谁的判断。部分患者还可能对AI产生拟社会依恋，进而影响其信任、信息披露和治疗参与。
如果临床医生缺乏相应准备，AI的使用可能走向两个极端。一种是过度依赖算法输出，产生自动化偏倚，削弱独立推理和对具体情境的判断；另一种是由于不熟悉相关技术而使用不足，并且缺少一致的应用标准，导致不同服务之间的照护标准不一致，甚至加剧不公平。
现阶段的研究可以先从两个方面展开：
临床能力：AI素养不只是会操作软件，还包括理解模型输出、判断算法是否可靠，以及知道何时应以临床判断否决AI建议。模拟训练可以让临床医生在接近真实诊疗的场景中练习解释、核查和质疑AI建议。AI参与诊断或治疗决策，比单纯用于整理病历等行政工作更容易影响患者的信任和自主性，因此其对治疗关系的影响也需要根据具体用途分别评价。
责任边界：谁对最终的临床判断负责，AI对决策产生了哪些影响、这些影响应如何记录，以及临床医生与AI意见不一致时应遵循什么处理流程，都需要形成明确的专业标准。
这些问题还涉及法律和专业责任。现有责任框架能否处理AI参与诊疗后出现的不良结果，需要结合具体应用场景进一步研究。同时，还需透明记录AI在诊疗中承担的任务，以及其输出对临床决策产生了哪些影响。
从更长远的角度看，还可以设计并试行新的岗位。例如，数字导航员（digital navigators）可以帮助患者理解智能手机应用等工具持续收集的数据，并支持其使用相关数字健康工具；临床技术联络员（clinical technology liaisons）则负责在临床团队与技术团队之间沟通需求、解释系统输出。初步研究显示，数字导航员模式具有一定可行性，也能被患者接受，但这类中介岗位在精神卫生AI应用中仍不常见，其实际效果、成本和推广能力尚待评价。
领域四：系统衔接、成本与长期维护
目前，不少精神卫生AI仍停留在与实际服务相脱节的孤立原型阶段。如果AI生成的信息不能接入电子健康记录或现有临床文书系统，医疗机构就可能不得不另建一套平行流程，结果非但没有减轻工作负担，反而增加了操作和记录环节。
实施中的障碍大致涉及三个层面：
临床医生层面：医生是否有信心使用相关工具，以及是否担心AI削弱其职业自主性；
医疗机构层面：新工具能否融入现有工作流程，还是会增加额外的操作和文书负担；
医疗系统层面：AI能否与电子健康记录等基础设施互联互通，生成的信息将以何种方式呈现、保存并用于临床决策。
这些问题不能只在实验或受控环境中回答。真实世界研究还需考察工具是否便于临床使用、对日常工作流程有何影响、能否提高文书处理效率，以及不同机构和专业团队的实际使用情况是否存在差异。
一种工具有临床用途也不等于它能够长期运行。大语言模型的实际运行成本可能高于预期，大规模采用还可能带来环境负担。现有支付体系通常围绕一次次具体的医疗服务建立，却未必能够覆盖模型再训练、部署后监测和持续技术支持等费用。因此，经济评价不仅要计算工具本身的成本，还需考察其长期价值、可能节省的其他支出、采购与融资方式，以及对后续医疗服务的影响。
此外，隐私担忧以及AI开发能力集中于少数大型技术公司，也可能降低患者和医疗系统共享敏感精神健康数据的意愿。
长期来看，可以建立由医院、社区精神卫生中心、初级保健机构、危机服务机构和数字健康服务商共同参与的多中心实施联盟，在不同服务场景中共同测试系统能否互通、工作流程如何调整，以及长期费用由谁承担。对于资源较少的地区，还需要建设能够支持AI运行的基础设施，并形成长期维护能力；否则，现有的服务差距可能进一步扩大。
四个领域的内部优先级
这份路线图对四个领域的先后次序作出了说明：
未来几年，最紧迫的任务是完善证据标准和安全评价，伦理、公平及患者参与则需同步推进。其中，证据与安全是后续工作的基础：如果一项工具尚未经过充分验证，临床医生培训、专业规范和大规模实施也就无从谈起。
同样，系统衔接和实施研究应建立在工具已经具备安全性与临床有效性证据，并能够回应患者需要和实际使用环境的前提下。
因此，现阶段更需要加快建立证据门槛、高风险场景测试、独立审计和部署后监测机制，而不是急于让更多工具进入临床。待安全性和有效性的基础证据逐步明确后，再进一步研究人员岗位调整、工作流程改造和规模化应用。
稿件撰写期间，作者曾使用ChatGPT-5校对终稿；作者随后对相关内容进行了复核和必要修改，并对论文内容承担全部责任。
2026-07-14
2026-04-16
2026-02-03
2026-01-28
2026-01-22
2026-01-15
2026-01-14
2026-01-07
2026-01-06
2025-11-12
2025-11-07
2025-08-26
2025-05-27
文献索引：Linardon J, Firth J, Carvalho AF, et al. Multidisciplinary research priorities for artificial intelligence in mental health: a call to action. Lancet Psychiatry. Published online July 9, 2026. doi:10.1016/S2215-0366(26)00127-6.
点击「阅读原文」可查看及检索历史文章。
我要投稿
