人工智能作为心理治疗相关心理教育的信息来源：一项关于眼动脱敏与再加工（Eye Movement Desensitization and Reprocessing，EMDR）信息的横断面内容分析

《Frontiers in Psychiatry》：Artificial intelligence as a source of psychotherapy-related psychoeducation: a cross-sectional content analysis of information on eye movement desensitization and reprocessing

　　

背景：由于进入医疗系统存在结构和经济社会障碍，个体日益转向在线平台获取健康相关信息；随着人工智能（Artificial Intelligence，AI）发展，使用AI获取此类信息也在上升，向AI咨询心理治疗方法相关信息已愈加常见。目的：本研究旨在评估AI生成的心理治疗相关心理教育内容的信息质量与可读性；为此，研究人员评估了不同模型中大语言模型（LLMs）生成的眼动脱敏与再加工（EMDR）心理教育内容的信息质量与可读性。方法：在本横断面内容分析中，通过Google Trends确定EMDR相关检索词，转化为面向患者的问题，归入四类主题，每类选5个问题，使用ChatGPT（GPT-4o）、Gemini（1.5 Pro）和DeepSeek（V3）评估，每个问题输入3次独立会话，共180条回答。信息质量由两名设盲精神科医师使用确保患者信息质量量表（Ensuring Quality Information for Patients，EQIP）评估；可读性使用Flesch–Kincaid Grade Level（FKGL）和Flesch Reading Ease（FRE）指数评估；统计分析包括线性混合效应模型和方差分析（ANOVA）。结果：总体平均EQIP得分为56.08（SD=4.43）；各模型信息质量差异显著（p<0.001），EMDR相关问题的四类主题间无显著差异；信息质量最高为Gemini，其后为DeepSeek和ChatGPT；DeepSeek生成回答可读性最佳；较高EQIP得分与较高可读性和较长回答长度相关；所有模型产出均超出患者教育材料常用推荐可读性水平；总分EQIP评分者间一致性高。结论：虽所有被评估LLMs均能生成EMDR心理教育信息，但模型间在信息质量与可读性上差异明显；结果表明心理教育质量更受所用语言模型影响，而非具体EMDR相关主题；LLMs可作为补充性心理教育资源，但不应替代专业心理治疗或个体化临床照护。

研究背景方面，眼动脱敏与再加工（Eye Movement Desensitization and Reprocessing，EMDR）是对创伤相关精神障碍尤其是创伤后应激障碍（Post-Traumatic Stress Disorder，PTSD）疗效明确的结构化心理治疗方法。全球创伤经历普遍，但经济社会障碍和地域差异限制专业化心理治疗可及性，促使个体借助数字资源获取心理健康信息。ChatGPT、Gemini、DeepSeek等大语言模型（Large Language Models，LLMs）成为突出渠道，公众不仅查询一般心理健康知识，还询问干预原理、治疗预期与自助式心理教育指导。既有文献多关注精神疾病或诊断过程，对特定心理治疗干预的AI生成内容质量与可读性关注不足；而EMDR这类聚焦创伤的疗法需要临床情境化，避免稳定化策略与治疗预期被误解。因此，研究人员以EMDR为代表性结构化疗法，评估三种广泛使用的LLMs对公开检索问题的回答质量、可及性与一致性。该研究发表在《Frontiers in Psychiatry》。

主要关键技术方法上，研究人员采用横断面内容分析设计，于2025年12月15日至20日通过Google Trends以“Worldwide”范围和“Health/Mental Health”类别提取EMDR相关Top与Rising查询，转为面向患者问题并经两名研究者共识形成4类共20个唯一问题；选用ChatGPT（GPT-4o）、Gemini（Gemini 1.5 Pro）、DeepSeek（DeepSeek-V3），每题在新会话中输入3次，共180条回答。信息质量由两名委员会认证精神科医师设盲使用20项简版确保患者信息质量量表（Ensuring Quality Information for Patients，EQIP）评分为百分比分数；可读性用Python的textstat库计算Flesch–Kincaid Grade Level（FKGL）与Flesch Reading Ease（FRE）；统计以R与SPSS进行线性混合效应模型、Bonferroni校正事后比较、Pearson/Spearman相关和单因素方差分析（ANOVA），问题ID作随机截距。

3 Results

3.1 Quality assessment

研究人员通过EQIP、FKGL、FRE和词数评估180条回答。总体平均EQIP为56.08±4.43；Gemini平均EQIP最高（60.06±2.63），其后DeepSeek（57.01±2.48）与ChatGPT（51.18±2.27）。线性混合效应模型显示模型显著预测信息质量：相较ChatGPT，Gemini（β=8.88，p<0.001）与DeepSeek（β=5.83，p<0.001）更高；问题类别无显著影响。事后比较显示三模型两两差异均显著且效应量大到极大（Cohen’s d>1.0）。

3.2 Categorization of questions

在线性混合模型内做类别事后比较，经Bonferroni校正后，EMDR通用、EMDR and Trauma、EMDR and Anxiety、EMDR and Depression各类别间调整后p均为1.000，无统计显著差别，说明信息质量不随EMDR子主题变化。

3.3 Readability analysis

相关分析显示EQIP与词数正相关（r=0.243，p=0.001），与FKGL负相关（r=-0.338，p<0.001），与FRE正相关（r=0.150，p=0.045）；FKGL与FRE强负相关（r=-0.901）。单因素ANOVA显示模型间EQIP、词数、FKGL、FRE均显著差异（p<0.001）。DeepSeek回答最长（229.63±27.30词）、FKGL最低（12.83±1.36）、FRE最高（34.97±7.39）。评分者间Spearman ρ=0.852、Pearson r=0.828；条目级加权kappa显示特殊人群、补充医学、获益解释几乎完全一致，平衡无偏信息条目无一致，12项因零方差呈完全一致。

4 Discussion

4.1 Principal findings

研究人员指出，模型间信息质量与可读性差异支持模型影响更大的假设；子话题无差异不支持主题影响质量的假设；高质量回答伴随高可读性与长文本。LLMs可作补充心理教育工具，但内容偏通用，难体现个体化病例概念化、准备期、稳定化需求与方案调整。有效心理治疗还需共情、临床判断与风险评估，AI提供准确易懂信息只是前提而非替代。

4.2 Comparisons with previous research

Gemini信息质量最高、DeepSeek可读性最好、ChatGPT EQIP较低，与既往医学及精神健康LLM评估中跨模型差异一致。本研究评估de novo生成内容，而非既有材料简化重写；阳性关联表明清晰结构化可提高质量与可及性。所有模型可读性仍超第六至八年级推荐水平，对应晚中学或大学要求，EMDR机制概念如双侧刺激（bilateral stimulation）、记忆再加工、稳定化程序若缺临床语境易致误解。

4.3 Limitations

仅评三模型且快照式；未测用户理解、决策与行为结局；未与专业人员编写材料对照；EQIP原用于静态 leaflet，对对话式AI有结构不匹配，12项统一评分反映此问题；问题集经Google Trends辅助但仍具选择偏倚；仅英文；仅EMDR，推广至精神动力等少结构疗法尚不确定。

5 Conclusion

结论部分译为：总之，这项以EMDR疗法为对象的研究表明，大语言模型能够生成心理治疗相关心理教育信息，但信息质量与可读性在模型间差异明显；部分系统回答质量较高，但总体可读性仍高于患者教育材料常用推荐标准。研究发现当前LLMs可作为心理治疗相关心理教育的补充来源，但不应被视为专业心理治疗、临床判断或个体化精神健康照护的替代品。更广泛地说，结果凸显了AI系统在精神健康传播中的潜力与当前局限。随LLMs日益融入常规精神健康信息获取，提升AI生成心理治疗相关心理教育信息的质量与可及性，应成为研究人员、临床医师与开发者的重要优先事项。