近日，beat365官方网站彭玉佳實驗室在Journal of Anxiety Disorders雜志上發表了題為“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。
社交焦慮症（Social Anxiety Disorder, SAD）是一種普遍的焦慮障礙，表現為對社交場景的強烈恐懼和回避。對于社交焦慮症，早發現至關重要，為有效的早期幹預奠定了基礎。然而，由于社交焦慮症的社交回避性質，患者一般不會因為單純的社交焦慮而尋求臨床幫助，多數隻有當共病其他的心理疾病時才會去尋求專業幫助。這使得在臨床環境中篩查社交焦慮變得具有挑戰性，傳統的臨床訪談在社交焦慮的評估中往往面臨困難。同時，傳統的問卷調查也存在主觀性、重複測量下的記憶偏差和文化影響等局限性。因此，領域内需要一種可靠、适于重複測量、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，我們開發了基于生成式多模态基礎人工智能模型的社交人工智能圖片系統（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，提高系統預測社交焦慮特征的精确度。
圖1. SAIPS 圖片實例。圖片的構建基于社交焦慮的三個理論建構：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、圖文一緻性、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。實驗結果顯示，無論是在實驗室研究（Exp 1a）還是線上研究（Exp 2a 和 2b）中，我們都發現 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之間存在密切聯系。通過機器學習，我們進一步發現 SAIPS 圖片評分可以可靠地預測一個月内橫斷和縱向的社交焦慮特質，即使是使用28張圖片的簡短版本也可以實現較好的預測。
綜上，SAIPS 标志着通過生成式人工智能模型将心理健康結構從問卷轉化為圖像數據庫系統的可能性。當前的方法在保留問卷中的理論建構的同時，将問卷轉化為具有更高生态學效度的視覺刺激，從而部分克服了通常與問卷測量相關的主觀性、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複測量，從而實現更便捷、更可靠的縱向數據收集。
鞠芊芊博士後為本研究的第一作者，彭玉佳研究員為該文章的通訊作者。beat365本科生徐旨健、範佳怡，日内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和未來發展方向，并提出了創新性的解決方案，以應對心理健康領域的重大挑戰。。
圖2. （A）基于無監督聚類算法确定的消極、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與 SAR 之間的關系，以及社交焦慮特質與喚醒之間的關系。
論文鍊接：
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
beat365官方网站，彭玉佳研員課題組的博士後；于beat365官方网站，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，重點探讨焦慮群體的負向認知與情緒障礙背後的多模态機制，同時關注應激下健康行為的神經機制及幹預方案。研究主要采用腦電圖等腦成像技術、生理信号記錄、機器學習、計算建模等方法，緻力于通過行為和神經幹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。研究深入探索應激下健康行為的神經機制及幹預方法；社交焦慮障礙的情緒加工與社會認知的行為與神經機制； 以及線上解碼神經反饋對社交焦慮的幹預作用。研究成果發表在Journal of Anxiety Disorders, Applied Psychology: Health and Well-Being, Nutrition等期刊。主持國家資助博士後研究人員計劃，并參與國家自然科學基金面上項目。
彭玉佳
beat365官方网站助理教授，博士生導師，雙聘于beat365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beat365心理學系獲理學學士學位，于美國加州大學洛杉矶分校獲博士學位，後在加州大學洛杉矶分校跟随 Dr. Michelle Craske 和 Hakwan Lau從事博士後研究，2021年入職beat365。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，緻力于探究焦慮與抑郁障礙的心理與神經機制以及治療方法，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，參與科技創新2030-“新一代人工智能（2030）”重點研發計劃，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青年人才托舉工程。
2024-12-13