随着生成式人工智能（AI）技术的迅猛发展，其在精神健康领域的应用前景日益广阔，尤其是在提高治疗效率、扩大服务覆盖面和提供个性化支持等方面展现出巨大潜力。然而，AI在治疗实践中也引入了前所未有的伦理、隐私、安全和专业规范挑战。
本指南旨在为精神健康治疗师在使用AI技术过程中提供专业、伦理、安全且可操作的全面指引。文中深入分析了AI在治疗、教学、监督等情境下的应用，并明确提出了使用AI的责任边界和操作规范。
本指南首先介绍了现代AI技术的运作机制： AI系统通过学习大型训练数据集中的模式来生成输出。然而，由于训练数据可能存在偏差或错误，AI系统可能会产生不准确或不良的输出。指南详细分析了AI可能出现的几种失效模式，包括学习错误模式、输入超出范围、缺乏关键信息、输入或输出数据稀缺、数据不平衡以及AI“幻觉”等。这些失效模式强调了对AI输出进行人工审查的重要性，并突出了持续监控和重新评估的必要性。
指南将AI技术分为两类：预测性AI（输出特定标签或值）和生成式AI（生成灵活的输出，如文本、图像或对话）。针对这两种类型的AI，指南分别探讨了其在精神疾病治疗中的潜在益处和风险。
预测性AI的潜在益处包括： 通过自动化提高效率、通过自动化扩大处理和分析患者数据的能力以及提供独立的数据驱动评估以补充治疗师的判断。然而，预测性AI也存在风险，例如输出不准确、对不同背景和独特需求的患者反应不足、治疗师对AI输出过度信任或过度依赖以及隐私和数据安全问题。
生成式AI的潜在益处包括： 易用性、引人入胜的用户体验、个性化服务、对用户背景和独特需求的更高敏感性以及支持的可及性提高。然而，生成式AI的风险包括：技术障碍、用户过度沉浸、缺乏情感联系、对患者背景和独特需求的敏感性不足、超出范围的使用以及AI“幻觉”和有害建议等。
指南列举了AI在精神疾病治疗中的多种应用场景： AI辅助风险评估和诊断、治疗师绩效监控、治疗会话的自动转录和总结、治疗计划制定、对话式机器人辅助的患者问诊、机器人辅助的治疗作业和学习体验以及机器人辅助的谈话疗法。针对每种应用场景，本指南都详细分析了其潜在益处和挑战。
本指南的核心部分是针对精神健康治疗师使用AI技术的最佳实践指南。这些指南涵盖了以下几个方面：
●知情同意：治疗师必须在向患者清楚地披露益处、风险和数据实践后，获得患者的知情同意。
●数据隐私和安全：治疗师需要验证适当的数据处理标准，并与AI提供商签订业务关联协议。
●治疗师胜任力：治疗师需要持续学习AI的能力、局限性和正确使用方法。这包括了解AI工具的适用范围，以及如何识别和应对AI可能产生的错误或偏差。
●患者安全：在实施AI工具之前，治疗师需要评估患者的数字素养和与技术相关的风险因素。治疗师还应仔细考虑可能影响AI工具适用性和有效性的独特患者需求。
●持续监控：治疗师应根据风险因素的频率持续监控AI输出的准确性和有效性。
●作者透明度：治疗师在直接与AI系统交互时，应明确披露AI对文档或沟通的贡献。
●患者-AI互动： 治疗师应在推荐AI工具之前评估患者与技术的关系。 患者的健康福祉必须放在首位，确保AI提升而非降低治疗质量。治疗师还应制定应急计划，以应对潜在的服务中断或故障。
●教育情境：在教育环境中，类似的原则也适用。在培训中加入AI之前，应先进行学生需求评估。教育的完整性应优先于技术的便利性。对AI生成的学生评估进行批判性审查，防止过度依赖。对学生-AI的互动进行适当的监控，以确保教育效益。
总而言之，这份指南旨在帮助精神疾病治疗师在整合AI技术的同时，维护专业标准并优先考虑患者的健康与福祉。通过实施这些最佳实践，治疗师可以在治疗、监督和教育环境中利用AI的益处，同时减轻潜在的风险。文件强调，AI技术应作为补充而非替代品，治疗师的专业判断仍然至关重要。此外，指南还特别强调了数据隐私和安全的重要性，以及对患者独特需求的关注。这份文件为在心理健康领域安全有效地使用AI技术提供了宝贵的指导。
如需要指南：《精神健康治疗师使用人工智能的最佳实践》（英文，共54页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后，发来email地址索取。
Conscience is like innate talent—either you have it, or you don’t. It can’t be awakened. 良知这东西，就和天赋一样，有就有，没有就没有，不存在唤醒。早上好！
