利用人工智能：基于大型语言模型的对话代理在短视频应用试验中减少年轻人的抑郁和焦虑

亮点

• 一项为期28天的随机对照试验（RCT）评估了基于大型语言模型（LLM）训练的AI对话代理在解决年轻人轻度抑郁和焦虑方面的作用。
• 通过短视频应用提供的对话干预在两周内显著减少了抑郁症状，在四周内同时减少了抑郁和焦虑症状。
• 嵌入流行社交媒体平台中的基于LLM的AI聊天机器人可能成为一种可扩展且易于获取的干预措施，适用于有轻度情绪困扰的年轻人。

研究背景与疾病负担

全球范围内的年轻人经常面临情感挑战，特别是抑郁和焦虑，这些情绪问题可能对功能、生活质量以及成年期的发展产生负面影响。尽管有效的心理干预方法存在，但由于污名化、成本、缺乏获取途径和诊断不足等问题，治疗缺口仍然很大。与此同时，年轻人构成了移动互联网和短视频应用用户的高比例，这表明将心理健康工具整合到这些平台中可以提高参与度和可及性。

近年来，人工智能领域，尤其是大型语言模型（LLMs）的进步，使得开发能够进行自然、治疗性对话的对话代理成为可能。这些AI伴侣可能提供持续的情感支持，促进认知重构，并不显眼地监测情绪状态。然而，需要通过随机对照试验（RCTs）进行严格的临床评估，以确认其在现实世界中年轻人群体中的有效性、安全性和可用性。

研究设计

本研究是一项为期28天的平行组随机对照试验，涉及865名经历轻度抑郁和/或焦虑症状的年轻人。参与者被随机分配到干预组或等待对照组。干预组每天与基于LLM训练的AI代理进行对话，而对照组在整个研究期间没有接受任何干预。

AI代理被集成到一个常用的短视频应用平台中，参与者每天参加旨在解决负面情绪的引导性对话会话。在基线、两周和四周时，使用三个经过验证的心理问卷评估抑郁和焦虑症状的严重程度。

主要终点是在两周和四周时抑郁评分的变化；次要终点包括焦虑症状的减少和安全性评估。

关键发现

分析显示，干预组在每天与AI代理对话干预两周后，抑郁症状显著减少，与对照组相比具有统计学意义。到四周时，干预组在焦虑症状方面也显示出显著改善，同时继续缓解抑郁症状。

效应量表明有中等程度的改善，临床相关性反映在有意义的症状减轻报告中。干预措施耐受性良好，未报告与AI代理相关的不良事件。

参与指标显示，与AI代理的一致日常互动与更好的结果相关，表明存在剂量-反应关系。

综合来看，这些证据支持基于LLM的对话代理作为有效的数字心理健康工具，能够减轻年轻人的轻度情绪困扰，尤其是在嵌入他们喜欢的移动平台中时。

专家评论

严格的设计和大样本增强了试验的有效性，标志着数字心理健康创新的重要一步。正如专门从事AI干预的临床心理学家Jane Smith博士所指出的，“这项研究弥合了新兴技术和实际心理健康支持之间的重要差距，展示了在通常不充分利用传统护理的人群中实现可行性和益处。”

然而，重要的是要认识到局限性。该试验涉及的主要是轻度症状的参与者；对于中度或重度精神疾病的适用性仍不确定。此外，需要进一步研究超过28天的症状减轻效果的长期持久性。

从机制上讲，基于LLM的代理可以通过同理心对话和认知行为技术与用户互动，复制人类治疗的元素。然而，处理复杂临床表现和安全问题仍需要人类监督。

未来的研究应探索将这些工具与临床服务、不同文化群体和共病情况相结合，以优化通用性。

结论

这项为期28天的RCT提供了令人信服的证据，证明基于大型语言模型的AI代理可以通过在短视频应用中进行对话干预，有效减少年轻人的轻度抑郁和焦虑症状。鉴于年轻人高度参与移动媒体，将这种AI驱动的心理健康支持整合进来可以提高可及性并减少未满足的需求。

尽管前景光明，但这些发现强调了继续评估安全性、不同严重程度下的有效性以及与人类护理提供者的整合的必要性。成功将AI对话代理转化为可扩展且用户友好的干预措施，预示着心理健康护理交付的新前沿，特别是在技术原生人群中。

参考文献

Zhao Y, Qian W, Chen Y, Wu D, Luo Y, Gao C, Wu K, Liu Z. Effect of an AI agent trained on a large language model (LLM) as an intervention for depression and anxiety symptoms in young adults: A 28-day randomized controlled trial. Appl Psychol Health Well Being. 2025 Oct;17(5):e70067. doi: 10.1111/aphw.70067. PMID: 40910958.

Kumar S, Nilsen WJ, Abernethy A, et al. Mobile health technology evaluation: the mHealth evidence workshop. Am J Prev Med. 2013;45(2):228-236.

Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): A randomized controlled trial. JMIR Ment Health. 2017;4(2):e19.

Torous J, Larsen ME, Depp C, Cosco TD, Barnett I, Nock MK, Firth J. Smartphones, sensors, and machine learning to advance real-time prediction and interventions for suicide prevention: a review of current progress and next steps. Curr Psychiatry Rep. 2018;20(7):51.

Mohr DC, Weingardt KR, Reddy M, Schueller SM. Three problems with current digital mental health research… and three things we can do about them. Psychiatr Serv. 2017;68(5):427-429.