《npj Digital Medicine》：A transdiagnostic model for how general purpose AI chatbots can perpetuate OCD and anxiety disorders
编辑推荐：
本研究探讨了当数百万用户向通用人工智能（AI）聊天机器人寻求心理支持时，其如何可能无意中加剧跨诊断回避过程。研究人员聚焦于该过程如何强化对不确定性的不耐受、对“需要知道”的强迫行为及完美主义，从而延续强迫症（OCD）与焦虑障碍的症状循环。研究提出了一个理论框架，阐明重复的聊天机器人交互如何强化回避行为，并最终为临床医生、用户、开发者和政策制定者提出了促进更健康互动的策略，具有重要的临床与现实意义。
在数字时代，寻求即时解答与安慰的冲动从未如此容易得到满足。当我们对健康感到一丝不确定，或是在夜深人静被一个挥之不去的念头困扰时，只需打开手机，向一个“无所不知”的AI助手提问，似乎就能瞬间获得答案。这种便利性使得数以百万计的人正在转向通用人工智能（AI）聊天机器人，将其作为一种非正式的心理支持来源。然而，这种看似无害的行为背后，可能潜藏着一个令人担忧的悖论：这些旨在提供帮助的工具，可能会无意中加剧甚至延续某些心理障碍的症状，特别是强迫症（OCD）和广泛性焦虑障碍等。临床观察和新兴研究开始敲响警钟，提示我们需要更深入地理解AI互动与心理健康之间复杂而微妙的关系。正是为了揭示这一潜在风险，并构建一个清晰的理解框架，研究人员开展了这项重要的探索。
为了探究通用AI聊天机器人如何影响用户的心理健康，特别是与强迫症和焦虑相关的核心病理过程，研究团队并未依赖大规模的实验数据，而是采取了一种理论建模与框架构建的方法。他们综合了现有的临床观察证据、新兴的学术研究以及对AI聊天机器人功能特性的分析。研究人员的核心工作是整合认知行为模型（特别是与焦虑和强迫症相关的模型）与AI人机交互的特点，构建一个解释性的理论框架。这个框架旨在阐明，某些特定的、常见的聊天机器人使用模式，如何系统地强化一种被称为“跨诊断回避”的关键心理过程。该研究最终在知名期刊《npj Digital Medicine》上发表了其研究成果，题为“A transdiagnostic model for how general purpose AI chatbots can perpetuate OCD and anxiety disorders”。
本研究主要基于理论分析与框架构建，并未涉及传统的“湿实验”技术。其核心“方法”在于综合与演绎推理。研究人员首先进行了广泛的跨学科文献综述，整合了临床心理学（特别是认知行为疗法CBT中对强迫症和焦虑障碍的模型）、精神病学以及人机交互（HCI）领域的知识。其次，他们对主流通用AI聊天机器人（如ChatGPT等）的交互特性和用户常见查询模式进行了行为特征分析。在此基础上，通过理论建模，将观察到的聊天机器人互动模式与已知的心理病理维持机制（如回避、安全行为、负性强化）联系起来，从而构建出解释性框架。研究并未涉及特定的生物样本队列，其分析对象是公开的AI系统功能与文献中报告的用户行为模式。
本研究通过构建一个理论模型，系统地阐述了通用AI聊天机器人可能通过强化“跨诊断回避”来延续强迫症和焦虑障碍症状的机制。以下是研究结果的核心归纳：
- •
框架核心：强化跨诊断回避的循环
研究提出的核心框架指出，通用AI聊天机器人的互动特性（如即时性、看似权威的回答、无限的信息供给）恰好迎合并强化了焦虑和强迫症中共有的核心脆弱性——对不确定性的不耐受、强烈的“需要知道”的冲动以及完美主义。当用户因不适感（如焦虑、怀疑）而向聊天机器人寻求即时确认或信息时，这种行为本身构成了一种“回避”策略，旨在短期内缓解不适。聊天机器人提供的答案则作为“负性强化”，暂时减轻了用户的焦虑，但这却阻碍了“矫正性学习”的发生——即用户未能学会耐受不确定性，也未能认识到即使没有立即获得答案，焦虑感也会自然消退。
- •
具体的作用路径
模型进一步细化了几条具体的作用路径：
- 1.
助长“检查”与“确信”强迫行为：对于有强迫倾向的用户，反复向聊天机器人提问以寻求百分之百的确定性（例如，反复确认某个想法是否正常、某个行为是否安全），直接模拟并强化了强迫症中的“检查”强迫行为。聊天机器人每一次的回答都成为强迫行为循环中的一个新环节。
- 2.
加剧焦虑障碍的认知回避：对于焦虑障碍用户，过度依赖聊天机器人来预先排除所有可能的威胁或获取详尽的应对方案，是一种认知回避。这阻止了用户面对恐惧情境并发展出自然的适应能力，使得焦虑模式得以维持。
- 3.
阻碍暴露与反应预防（ERP）：暴露与反应预防是治疗强迫症和焦虑障碍的金标准。健康的康复需要个体主动面对引发焦虑的刺激（暴露），并抑制习惯性的回避或仪式行为（反应预防）。而便捷的聊天机器人查询，恰好为用户提供了一条轻而易举的“反应”通道，实质上破坏了ERP起效的基础。
- •
多维度的影响与对策
研究不仅指出了风险，也基于该框架，为不同的利益相关者勾勒了应对策略的方向，例如：临床医生需要在诊疗中询问患者的AI使用情况并将其纳入案例概念化；用户需培养对自身使用模式的元认知；开发者应考虑设计“支持性摩擦”（例如，在提供健康类建议前插入提示、鼓励用户反思）、设置使用边界；政策制定者则需要推动相关指南和监管框架的建立，以促进数字心理健康领域的伦理实践。
研究的结论部分强调，通用AI聊天机器人并非 inherently（固有的）有害，但其当前的设计和交互模式，在与特定的用户心理模式结合时，确实存在系统性强化强迫症和焦虑障碍核心病理过程的风险。其重要意义在于首次提供了一个整合性的、跨诊断的理论模型，将看似分散的临床观察（如患者过度使用聊天机器人寻求安慰）置于一个严谨的心理学框架（基于回避的负性强化循环）中来理解。这超越了简单的“技术好或坏”的二元讨论，揭示了风险发生的具体心理机制。该框架具有高度的实用价值，它直接为临床实践提供了新的评估和干预视角（如将“数字安全行为”纳入治疗），为技术开发指明了“责任式创新”的具体路径（如设计促进耐受不确定性而非消除不确定性的交互），也为未来的实证研究提出了关键假设（例如，检验特定聊天机器人使用频率与症状严重度的关系）。最终，这项研究呼吁在AI与心理健康交叉的领域，需要临床智慧、用户体验、技术伦理和政策监管的协同合作，以确保强大的AI工具能够真正支持而非暗中损害人类的心理健康。
