研究开发并验证青少年心理健康AI回应评估工具AMHART

许多青少年向通用人工智能（AI）聊天机器人寻求心理健康建议，尽管针对与青少年相关的临床标准所开展的评估仍然有限。在此，我们开发了青少年心理健康AI回应工具（AMHART），这是一种由临床医生参与设计的工具，用于审查七个领域中是否存在符合指南的回应内容，并将其应用于四款主流AI聊天机器人。候选条目由临床医生就其证据基础、客观性和临床重要性进行评审，最终得到一个具有较强内容效度和评分者间信度的条目子集。随后，我们配置了一个由三个模型组成的大语言模型评估器集成，评估其与人工参考标签的一致性，并对多轮对话进行评分，这些对话中青少年人物画像（在性别、诊断和症状严重程度上各不相同）分别与ChatGPT-5、ChatGPT-4、Claude 4.5和Gemini 2.5进行互动。AMHART评分显示，焦虑相关适用标准的覆盖程度高于抑郁，中度表现的覆盖程度高于重度表现。研究结果表明，AMHART为评估聊天机器人对青少年焦虑和抑郁披露的回应提供了一个可靠、由临床医生参与设计的基准。

中文由 AI 翻译，仅供参考，以原文为准。