有条件的陪伴：精神疾病患者使用大语言模型的生活体验

文献标题

A Conditional Companion: Lived Experiences of People with Mental Health Disorders Using LLMs

出版信息

• 主题领域: 大型语言模型（LLMs）在心理健康支持中的应用
• 关键词: 大型语言模型，心理健康，人机交互，治疗，人工智能伦理，用户体验，可访问性，认知重构，关系互动，设计机会

背景与问题

• 问题/挑战: 尽管LLMs在心理健康支持中的应用日益增多，但关于心理健康挑战者如何使用这些工具、其感知效用及应用边界的研究仍然有限。
• 重要性: 填补心理健康护理的空白至关重要，尤其是在全球心理健康专业人员短缺和治疗等待时间长的情况下。LLMs作为可访问的、即时的支持工具具有潜力，但需要仔细评估以确保安全性和有效性。
• 动机与相关工作: 先前的研究主要集中在AI在心理健康领域的技术能力和可行性上，但缺乏对用户体验的深入定性描述。早期的聊天机器人系统展示了可访问性，但在共情和深度方面存在局限性。LLMs凭借其开放式对话能力，带来了新的机遇和挑战，特别是在平衡治疗益处与错误信息和情感安全风险方面。

解决方案

• 提出的方法: 通过定性研究探索心理健康挑战者使用LLMs进行支持的实际体验，重点关注动机、边界和设计机会。
• 创新点:
  1. 将LLMs的使用实证化为情境化的护理工作，强调用户的主动性和自我调节能力。
  2. 将边界设定重新定义为反思性互动而非误用，为负责任的AI使用提供见解。
  3. 提出面向设计的建议，将LLMs作为辅助工具整合到更广泛的护理生态系统中。
• 过程与关键技术:
  • 对20名英国心理健康挑战者进行半结构化访谈，这些参与者均使用LLMs。
  • 应用反思性主题分析法，识别动机、使用模式、感知边界和设计机会。
  • 研究重点放在ChatGPT、Gemini等通用LLMs的实际使用上。

结果

• 具体发现:
  • 参与者使用LLMs的原因包括即时性、非评判性披露、自主节奏互动、认知重构和关系互动。
  • LLMs被认为对轻度至中度困扰有效，但在危机、创伤或复杂的社会情感情境中表现不足。
  • 用户认可LLMs的可访问性，但指出其缺乏关系深度、情感共鸣和人类判断力。
• 相较基线的优势: LLMs提供了灵活性、即时性和非评判性支持，在对话适应性和认知结构化方面超越了早期的聊天机器人系统。然而，它们缺乏人类治疗师的深度和责任感。
• 实验/评估:
  • 样本: 20名年龄在21至62岁之间的参与者，诊断包括抑郁症、焦虑症、强迫症和创伤后应激障碍（PTSD）。
  • 方法: 通过半结构化访谈并采用主题编码分析。
  • 指标: 用户报告的动机、互动模式和感知边界。
• 局限性与未来工作:
  • 样本仅限于有治疗经验的英国居民，可能导致结果偏差。
  • 自我报告的心理健康状况可能与临床评估不一致。
  • 未来研究应探索跨文化比较，并纳入无治疗经验的个体。

总结

本研究探讨了心理健康挑战者如何使用ChatGPT等LLMs进行支持。参与者重视LLMs的即时性、非评判性立场，以及促进认知重构和关系互动的能力。然而，他们一致强调LLMs在危机、创伤和复杂社会情感需求方面的不足，凸显了人类治疗师不可替代的作用。这些发现为将LLMs整合到更广泛的护理生态系统中提供了设计机会，强调了安全性、可访问性、个性化和与临床医生的协作。本研究为心理健康护理中负责任、以用户为中心的AI应用开发做出了贡献。