彭玉佳研究员课题组基于生成式人工智能构建针对社交焦虑筛查的多元社交图片库

　　

近日，北京大学心理与认知科学学院彭玉佳实验室在Journal of Anxiety Disorders杂志上发表了题为“Screening social anxiety with the Social Artificial Intelligence Picture System”的综述文章。研究基于生成式人工智能模型，针对社交焦虑的筛查构建了多元社会情景图片库（Social Artificial Intelligence Picture System, SAIPS）。研究亮点展示了人工智能（Artificial Intelligence, AI）技术在心理健康领域，尤其是早期筛查和检测中的革命性应用。

社交焦虑症（Social Anxiety Disorder, SAD）是一种普遍的焦虑障碍，表现为对社交场景的强烈恐惧和回避。对于社交焦虑症，早发现至关重要，为有效的早期干预奠定了基础。然而，由于社交焦虑症的社交回避性质，患者一般不会因为单纯的社交焦虑而寻求临床帮助，多数只有当共病其他的心理疾病时才会去寻求专业帮助。这使得在临床环境中筛查社交焦虑变得具有挑战性，传统的临床访谈在社交焦虑的评估中往往面临困难。同时，传统的问卷调查也存在主观性、重复测量下的记忆偏差和文化影响等局限性。因此，领域内需要一种可靠、适于重复测量、且易于使用的工具，以广泛用于社交焦虑筛查。

基于上述挑战，我们开发了基于生成式多模态基础人工智能模型的社交人工智能图片系统（SAIPS），共包含 279 张社交图片和 118 张对照图片。使用的AI工具包括Stable Diffusion-XL和DALL-E 2。社交场景的构建基于一系列理论维度，包括情绪表达效价（积极、中性、消极）、社会主导地位（社会场景中包括有主导地位的人，如领导）、目光接触（是否有和观察者的目光接触），上述维度代表了 SAD 的核心诱因，如害怕负面评价、社交互动和表现焦虑，并映射到社交焦虑的特定维度，以捕捉其多面性。同时，图片库构建了没有人物的118张场景图片作为对照，旨在揭示社交场景的特定反应模式，提高系统预测社交焦虑特征的精确度。

图1. SAIPS 图片实例。图片的构建基于社交焦虑的三个理论建构：情绪表达：消极、中性或积极；社会主导地位：与主导个体或其他个体；目光接触：有目光接触或无目光接触。

通过一系列实验室和线上实验，我们从五个维度收集了个体对 SAIPS 的评分，包括社交焦虑感评分、效价、唤起度、图文一致性、沉浸性。实验通过实验室前期汉化的SAQ量表（CSAQ-A, Wang et al., 2024）测量了每个个体的社交焦虑特质。实验结果显示，无论是在实验室研究（Exp 1a）还是线上研究（Exp 2a 和 2b）中，我们都发现 SAIPS 社交图片评分中的社交焦虑评分与个体的社交焦虑特质之间存在密切联系。通过机器学习，我们进一步发现 SAIPS 图片评分可以可靠地预测一个月内横断和纵向的社交焦虑特质，即使是使用28张图片的简短版本也可以实现较好的预测。

综上，SAIPS 标志着通过生成式人工智能模型将心理健康结构从问卷转化为图像数据库系统的可能性。当前的方法在保留问卷中的理论建构的同时，将问卷转化为具有更高生态学效度的视觉刺激，从而部分克服了通常与问卷测量相关的主观性、记忆偏差和文化偏差的局限性。未来，类似 SAIPS 这样的工具可能可以广泛应用于个人特征和心理健康特征的重复测量，从而实现更便捷、更可靠的纵向数据收集。

鞠芊芊博士后为本研究的第一作者，彭玉佳研究员为该文章的通讯作者。北京大学本科生徐旨健、范佳怡，日内瓦大学硕士生陈梓乐，以及伦敦大学学院硕士生张涵，也为本研究做出了重要贡献。该研究为AI在心理健康中的应用提供了坚实的理论依据和未来发展方向，并提出了创新性的解决方案，以应对心理健康领域的重大挑战。。

图2. （A）基于无监督聚类算法确定的消极、中性和积极聚类中的 SAIPS 图片实例，以及三个图片聚类在五个维度上的相应评分分布。(B) SAIPS 三个图片集群的五维评分。(C) 三个图片组的社交焦虑特质与 SAR 之间的关系，以及社交焦虑特质与唤醒之间的关系。 ?

论文链接：

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

研究者介绍：

鞠芊芊

北京大学心理与认知科学学院，彭玉佳研员课题组的博士后；于北京大学心理与认知科学学院，甘怡群老师课题组获得博士学位。研究方向主要为计算精神病学和健康心理学，重点探讨焦虑群体的负向认知与情绪障碍背后的多模态机制，同时关注应激下健康行为的神经机制及干预方案。研究主要采用脑电图等脑成像技术、生理信号记录、机器学习、计算建模等方法，致力于通过行为和神经干预提升应激与焦虑下的身心健康，为该领域的理论和实践提供多学科交叉的科学依据。研究深入探索应激下健康行为的神经机制及干预方法；社交焦虑障碍的情绪加工与社会认知的行为与神经机制； 以及线上解码神经反馈对社交焦虑的干预作用。研究成果发表在Journal of Anxiety Disorders, Applied Psychology: Health and Well-Being, Nutrition等期刊。主持国家资助博士后研究人员计划，并参与国家自然科学基金面上项目。

彭玉佳

北京大学心理与认知科学学院助理教授，博士生导师，双聘于北京大学人工智能研究院研究员、北京通用人工智能研究院、跨媒体通用人工智能全国重点实验室任研究员。于北京大学心理学系获理学学士学位，于美国加州大学洛杉矶分校获博士学位，后在加州大学洛杉矶分校跟随 Dr. Michelle Craske 和 Hakwan Lau从事博士后研究，2021年入职北京大学。研究聚焦于计算精神病学，同时涉及认知和人工智能的交叉研究，致力于探究焦虑与抑郁障碍的心理与神经机制以及治疗方法，实验方法包含人类行为实验、脑成像、计算建模和机器学习等，研究成果发表在Biological psychiatry: CNNI，Psychological Science，Engineering等期刊。主持国自然青年科学基金，参与科技创新2030-“新一代人工智能（2030）”重点研发计划，担任Psychological review，Journal of Anxiety Disorders客座编辑，任Behaviour Research and Therapy，Psychology and Behavioral Sciences，心理科学编委，入选第七届中国科协青年人才托举工程。

---

2024-12-13