该文档属于学术会议摘要（Conference Extended Abstract），属于类型b（科学论文，但非单一原创研究报告）。

技术怀疑还是合理谨慎？——心理健康护理中“以人为本AI”的未来

作者及机构
- Nathaniel Swinger（佐治亚理工学院）
- Lauren Moran（佐治亚理工学院）
- Saeed Abdullah（宾夕法尼亚州立大学）
- Christopher W. Wiese（佐治亚理工学院）
- Uichin Lee（韩国科学技术院）
- Yuan-Chi Tseng（台湾国立清华大学）
- Andrew M. Sherrill（埃默里大学医学院）
- Rosa I. Arriaga（佐治亚理工学院）

发表信息
发布于2025年ACM CHI Conference on Human Factors in Computing Systems（CHI EA ’25）的会议扩展摘要。

论文主题与背景

本文探讨人工智能（AI）在心理健康护理领域的应用前景，聚焦于如何通过跨学科合作解决技术怀疑（technoskepticism）与合理谨慎（justified caution）之间的分歧。当前，AI技术虽有望提升心理健康护理的可及性和效率，但其实际效果仍存争议，可能加剧医疗不平等或加重医护负担。作者团队由人机交互（HCI）、AI、组织心理学及临床心理学学者组成，旨在通过圆桌讨论（panel）推动“以人为本的AI”（human-centered AI）在心理健康领域的可持续发展。

主要观点及论据

1. 心理健康护理系统的现状与挑战

观点：全球心理健康需求激增，但现有系统在可及性、公平性和资源分配上存在显著缺陷。
论据：
- 经济负担：美国2020年心理健康支出达2800亿美元，但超过半数成人未能获得及时治疗（引用政府数据）。
- 医护人员短缺：医生紧缺问题加剧，62.8%的医师存在职业倦怠（burnout），电子健康记录（EHRs）等工具反而增加行政负担。
- 技术局限性：现有技术（如远程医疗平台、患者门户）依赖人工操作，未能根本解决问题，甚至可能扩大健康不平等（如算法偏见）。

2. AI在心理健康护理中的潜力与风险

观点：AI可从评估、干预、培训三方面优化心理健康护理，但需警惕其伦理和社会影响。
论据：
- 潜力：
- 培训扩展：AI可通过双向协作（bidirectional human-AI teaming）帮助医护人员学习实证支持治疗（Empirically-Supported Treatments, ESTs），解决专家资源不足问题。
- 决策支持：AI辅助临床决策系统可提高效率，但需确保透明性（transparency）和公平性（fairness）。
- 风险：
- 技术怀疑论：部分从业者认为AI可能威胁患者自主权（如过度依赖算法诊断），或加剧数据隐私问题。
- 合理谨慎：需在设计阶段明确风险缓释策略（如人类监督机制）。

3. 跨学科协作的必要性

观点：HCI、AI、临床心理学等领域的割裂阻碍了AI技术的有效整合。
论据：
- 学科壁垒：临床研究者关注治疗效果，HCI学者侧重技术可用性，导致技术开发与临床需求脱节。
- 案例支持：作者团队提出以“心理治疗培训”为范例，研究双向人机协作（如AI提供实时反馈），推动跨学科对话。

4. 圆桌讨论框架与核心问题

观点：AI对心理健康护理的影响需从患者、工作者、技术三个维度评估。
论据：
- 患者层面：AI是否削弱患者自决权（self-advocacy）？如何平衡自动化与个性化？
- 工作者层面：AI能否减轻医护负担？还是会导致技能退化？
- 技术层面：未来系统设计需如何改进接口（interfaces）以促进人机协作？

意义与价值

1. 实践价值：提出“以人为本AI”的设计原则，呼吁技术开发需兼顾临床可行性与伦理风险。
   
2. 学术贡献：打破学科壁垒的讨论框架，为心理健康领域的AI研究提供方法论参考。
   
3. 政策启示：指出当前医疗技术投资需更关注系统性不平等问题（如算法偏见对弱势群体的影响）。
   

亮点

• 研究视角：首次将“技术怀疑论”与“合理谨慎”的对立观点纳入心理健康AI的讨论。
  
• 范例创新：以“心理治疗培训中的AI协作”为具体案例，连接理论与实际应用。
  
• 跨学科性：整合HCI、心理学、AI三大领域，提出协同研究路径。
  

（注：由于原文为会议摘要，部分细节需参考作者后续发表的完整论文。）