情感语言处理在心理健康护理中的应用：基于大型语言模型的方法在护理全流程中的研究综述

《IEEE Transactions on Affective Computing》：Affective Language Processing for Mental Healthcare: A Survey of LLM-Based Approaches across the Care Continuum

　　

摘要：

心理健康服务本质上是通过语言表达的情感现象来实现的，这些现象包括情绪表达、情绪状态的变化、认知评估以及治疗联盟中的关系动态。大型语言模型（LLMs）为在心理健康工作中建模这些信号提供了新的机会，但它们的临床价值取决于它们是否能够可靠地识别、追踪并回应特定情境下的情感。本综述从情感计算的角度审视了基于LLMs的心理健康服务方法，将相关文献分为情感表达与识别、共情与治疗联盟、情感对话管理、用户状态长期追踪以及情感意识安全性等方面进行组织。我们将这些能力置于一个以语言为中介的护理连续体中，涵盖了筛查与分诊、评估与诊断、风险推理以及干预与决策支持等环节，并通过持续的随访和情感反馈将这些环节联系起来。研究范围涵盖了2019年至2025年10月期间发表的论文，梳理了从基于脚本和特定任务的自然语言处理（NLP）系统向具有更强情境理解和更灵活响应能力的基于LLMs的方法的转变，并提出了一个三级分类框架，将方法论基础、服务应用层和保障要求相结合。通过对六个主要研究方向的综述，我们整合了现有证据，指出了评估和部署方面的持续存在的差距，并提出了面向临床、具备情感意识且以患者为中心的心理健康系统的改进方向。