近日，北京大學心理與認知科學學院彭玉佳實驗室在Journal of Anxiety Disorders雜志上發(fā)表了題為“Screening social anxiety with the Social Artificial Intelligence Picture System”的綜述文章。研究基于生成式人工智能模型，針對社交焦慮的篩查構(gòu)建了多元社會情景圖片庫（Social Artificial Intelligence Picture System, SAIPS）。研究亮點展示了人工智能（Artificial Intelligence, AI）技術(shù)在心理健康領域，尤其是早期篩查和檢測中的革命性應用。

社交焦慮癥（Social Anxiety Disorder, SAD）是一種普遍的焦慮障礙，表現(xiàn)為對社交場景的強烈恐懼和回避。對于社交焦慮癥，早發(fā)現(xiàn)至關(guān)重要，為有效的早期干預奠定了基礎。然而，由于社交焦慮癥的社交回避性質(zhì)，患者一般不會因為單純的社交焦慮而尋求臨床幫助，多數(shù)只有當共病其他的心理疾病時才會去尋求專業(yè)幫助。這使得在臨床環(huán)境中篩查社交焦慮變得具有挑戰(zhàn)性，傳統(tǒng)的臨床訪談在社交焦慮的評估中往往面臨困難。同時，傳統(tǒng)的問卷調(diào)查也存在主觀性、重復測量下的記憶偏差和文化影響等局限性。因此，領域內(nèi)需要一種可靠、適于重復測量、且易于使用的工具，以廣泛用于社交焦慮篩查。

基于上述挑戰(zhàn)，我們開發(fā)了基于生成式多模態(tài)基礎人工智能模型的社交人工智能圖片系統(tǒng)（SAIPS），共包含 279 張社交圖片和 118 張對照圖片。使用的AI工具包括Stable Diffusion-XL和DALL-E 2。社交場景的構(gòu)建基于一系列理論維度，包括情緒表達效價（積極、中性、消極）、社會主導地位（社會場景中包括有主導地位的人，如領導）、目光接觸（是否有和觀察者的目光接觸），上述維度代表了 SAD 的核心誘因，如害怕負面評價、社交互動和表現(xiàn)焦慮，并映射到社交焦慮的特定維度，以捕捉其多面性。同時，圖片庫構(gòu)建了沒有人物的118張場景圖片作為對照，旨在揭示社交場景的特定反應模式，提高系統(tǒng)預測社交焦慮特征的精確度。


圖1. SAIPS 圖片實例。圖片的構(gòu)建基于社交焦慮的三個理論建構(gòu)：情緒表達：消極、中性或積極；社會主導地位：與主導個體或其他個體；目光接觸：有目光接觸或無目光接觸。

通過一系列實驗室和線上實驗，我們從五個維度收集了個體對 SAIPS 的評分，包括社交焦慮感評分、效價、喚起度、圖文一致性、沉浸性。實驗通過實驗室前期漢化的SAQ量表（CSAQ-A, Wang et al., 2024）測量了每個個體的社交焦慮特質(zhì)。實驗結(jié)果顯示，無論是在實驗室研究（Exp 1a）還是線上研究（Exp 2a 和 2b）中，我們都發(fā)現(xiàn) SAIPS 社交圖片評分中的社交焦慮評分與個體的社交焦慮特質(zhì)之間存在密切聯(lián)系。通過機器學習，我們進一步發(fā)現(xiàn) SAIPS 圖片評分可以可靠地預測一個月內(nèi)橫斷和縱向的社交焦慮特質(zhì)，即使是使用28張圖片的簡短版本也可以實現(xiàn)較好的預測。

綜上，SAIPS 標志著通過生成式人工智能模型將心理健康結(jié)構(gòu)從問卷轉(zhuǎn)化為圖像數(shù)據(jù)庫系統(tǒng)的可能性。當前的方法在保留問卷中的理論建構(gòu)的同時，將問卷轉(zhuǎn)化為具有更高生態(tài)學效度的視覺刺激，從而部分克服了通常與問卷測量相關(guān)的主觀性、記憶偏差和文化偏差的局限性。未來，類似 SAIPS 這樣的工具可能可以廣泛應用于個人特征和心理健康特征的重復測量，從而實現(xiàn)更便捷、更可靠的縱向數(shù)據(jù)收集。

鞠芊芊博士后為本研究的第一作者，彭玉佳研究員為該文章的通訊作者。北京大學本科生徐旨健、范佳怡，日內(nèi)瓦大學碩士生陳梓樂，以及倫敦大學學院碩士生張涵，也為本研究做出了重要貢獻。該研究為AI在心理健康中的應用提供了堅實的理論依據(jù)和未來發(fā)展方向，并提出了創(chuàng)新性的解決方案，以應對心理健康領域的重大挑戰(zhàn)。。


圖2. （A）基于無監(jiān)督聚類算法確定的消極、中性和積極聚類中的 SAIPS 圖片實例，以及三個圖片聚類在五個維度上的相應評分分布。(B) SAIPS 三個圖片集群的五維評分。(C) 三個圖片組的社交焦慮特質(zhì)與 SAR 之間的關(guān)系，以及社交焦慮特質(zhì)與喚醒之間的關(guān)系。 ?

論文鏈接：

https://www.sciencedirect.com/science/article/pii/S0887618524001312?dgcid=author#sec0025

https://authors.elsevier.com/a/1kFmD39qZAqRGW

引用

Ju, Q., Xu, Z., Chen, Z., Fan, J., Zhang, H., & Peng, Y. (2025). Screening Social Anxiety with the Social Artificial Intelligence Picture System. Journal of Anxiety Disorders, 109, 102955. https://doi.org/10.1016/j.janxdis.2024.102955

研究者介紹：

鞠芊芊

北京大學心理與認知科學學院，彭玉佳研員課題組的博士后；于北京大學心理與認知科學學院，甘怡群老師課題組獲得博士學位。研究方向主要為計算精神病學和健康心理學，重點探討焦慮群體的負向認知與情緒障礙背后的多模態(tài)機制，同時關(guān)注應激下健康行為的神經(jīng)機制及干預方案。研究主要采用腦電圖等腦成像技術(shù)、生理信號記錄、機器學習、計算建模等方法，致力于通過行為和神經(jīng)干預提升應激與焦慮下的身心健康，為該領域的理論和實踐提供多學科交叉的科學依據(jù)。研究深入探索應激下健康行為的神經(jīng)機制及干預方法；社交焦慮障礙的情緒加工與社會認知的行為與神經(jīng)機制； 以及線上解碼神經(jīng)反饋對社交焦慮的干預作用。研究成果發(fā)表在Journal of Anxiety Disorders, Applied Psychology: Health and Well-Being, Nutrition等期刊。主持國家資助博士后研究人員計劃，并參與國家自然科學基金面上項目。

彭玉佳

北京大學心理與認知科學學院助理教授，博士生導師，雙聘于北京大學人工智能研究院研究員、北京通用人工智能研究院、跨媒體通用人工智能全國重點實驗室任研究員。于北京大學心理學系獲理學學士學位，于美國加州大學洛杉磯分校獲博士學位，后在加州大學洛杉磯分校跟隨 Dr. Michelle Craske 和 Hakwan Lau從事博士后研究，2021年入職北京大學。研究聚焦于計算精神病學，同時涉及認知和人工智能的交叉研究，致力于探究焦慮與抑郁障礙的心理與神經(jīng)機制以及治療方法，實驗方法包含人類行為實驗、腦成像、計算建模和機器學習等，研究成果發(fā)表在Biological psychiatry: CNNI，Psychological Science，Engineering等期刊。主持國自然青年科學基金，參與科技創(chuàng)新2030-“新一代人工智能（2030）”重點研發(fā)計劃，擔任Psychological review，Journal of Anxiety Disorders客座編輯，任Behaviour Research and Therapy，Psychology and Behavioral Sciences，心理科學編委，入選第七屆中國科協(xié)青年人才托舉工程。

2024-12-13