《International Journal of Mental Health Nursing》：How Does Artificial Intelligence Align With Person-Centred Principles in Mental Health Nursing? A Scoping Review
人工智能在精神科护理领域的应用日益广泛，但其与以人为中心的照护的契合程度仍缺乏充分探讨。本范围综述旨在明确精神科护理中人工智能应用与以人为为中心的照护原则的契合程度，同时识别其中的张力与风险。研究人员对三个电子数据库自2018年起发表的研究进行了系统性检索，提取并记录研究特征、人工智能模态、涉及的以人为中心的照护概念及研究缺口等数据。研究结果显示，技术赋能的照护递送、监测与决策支持在精神健康场景中的应用关注度持续上升，但对共情、共同决策、尊严与治疗联盟等以人为中心的价值理念的关注程度存在差异。当前在伦理整合、数字化治疗关系、信任、监测以及以人为中心的照护结局测量等方面仍存在显著缺口。本综述梳理了现有证据基础，并着重指出理解人工智能如何重塑精神科护理中的治疗关系、专业角色与权力动态的关键缺口。未来研究需确保人工智能的采纳不仅安全有效，更要具备伦理根基，并与以人为为中心的精神科护理的人本主义基础保持一致。
1 引言
全球医疗体系正因人工智能的引入发生深刻变革，其核心目标在于改善患者结局并优化照护递送效率。从用于资源分配优化的预测分析，到支持患者自我管理的对话代理，人工智能在应对劳动力压力与服务需求增长的同时，也带来了效率提升、干预个性化与服务可及性扩大的可能。在护理领域，这类技术已从设想走向日常实践，重塑着临床文书、治疗规划流程，催生出新型人机协作模式。这些发展常被表述为中性或有益的创新，但也折射出机构对效率、标准化与可扩展性的优先考量，这直接影响着照护的组织形态与实践体验。
精神科护理在这一变革中占据独特位置，其实践根植于关系取向，优先强调共情、治疗性参与与康复导向实践，而非其他护理领域常见的程序化效率。全护理领域共同的伦理基础是尊重个体性、共同决策与整体需求评估的整全式以人为中心的照护，而精神科护理虽历史上曾面临专业身份界定不清的挑战，但将治疗关系作为康复载体的实践核心始终未变。共情同样是精神科护理的核心，体现为关系性沟通与对患者个体经验的主动理解，这些人文原则会深刻塑造人工智能在该领域的理解与落地方式——因为此类照护本质上是关系依赖型且具有情境特异性。
与精神科护理相关的应用类型多样且持续扩展：用于评估的数字表型分析、分析言语模式的复发预测算法、面部情绪识别的计算机视觉、资源优化模型，以及针对工作人员与患者视角的聊天机器人研究等。提供焦虑、压力与抑郁认知行为干预的应用类人工智能工具愈发普遍，将照护从临床场景延伸至患者自我管理，同时支持专业人员远程、持续监测情绪状态与痛苦程度。这些创新既契合数字心理健康扩张的政策优先方向，也回应了全球服务缺口问题。与此同时，这类技术也在临床实践中创造了观察、记录与解读痛苦的新路径，改变着精神科护士在数字与面对面互动中与患者的沟通模式，因此对评估、监测、治疗以及护士践行以人为为中心的康复导向原则的能力均产生了即时影响。
已有研究证实共情在治疗各阶段均发挥关键作用：观点采择有助于早期治疗联盟的建立，而共情关怀则能在痛苦与精神危机中维持工作性关系。然而，人工智能的技术能力与精神科护理的人文性、人际性核心形成鲜明对照。不同于躯体健康领域的诊断成像或生命体征分析，精神健康实践要求 nuanced 的关系判断、共情、慈悲以及对风险、强制与存在性痛苦的伦理应对——这类解释性与道德性劳动目前仍超出人工智能的能力范畴。在精神科场景中，护士需要在复杂的治疗关系中平衡安全、自主与信任。
迄今为止，实证研究多聚焦于人工智能在通用护理环境中辅助诊断或优化工作流程的程序性收益，忽视了当代精神科护理的康复导向内核。对效率与标准化的过度侧重，可能与以人为中心的精神科护理的关系优先原则产生张力。此外，既往综述虽梳理了人工智能在精神科护理中的各类应用，却未系统评估其与以人为中心的照护框架的契合度，因此难以深入揭示这些技术如何与塑造护理实践的价值、关系及权力动态发生互动。基于此，本综述的核心目标是检验人工智能与精神科护理中以人为中心原则的兼容性，具体研究问题设定为：精神科护理实践中的人工智能应用如何契合以人为中心的照护原则？这种契合会带来哪些益处、挑战与伦理考量？
2 研究目的
梳理并呈现与精神科护理实践相关的人工智能应用的现有文献，重点阐明这些技术与以人为中心的照护原则的契合方式，以及这种契合所产生的益处、挑战与伦理张力。
3 研究方法
本综述遵循Arksey与O'Malley的五阶段框架开展，选择该方法的缘由是其适合描述与梳理精神科护理领域人工智能相关研究的核心议题、关键概念与证据范围。报告过程遵循《系统综述与Meta分析优先报告条目扩展版——范围综述》（PRISMA-ScR）规范，并参考了范围综述的最新方法学指导。与旨在合成证据以回答聚焦问题的系统综述不同，范围综述适用于更广泛或探索性的主题，可纳入多样化的研究设计，无需将正式的质量评价作为核心环节，这种灵活性使其特别适配证据处于新兴阶段的领域。
3.1 纳入标准
采用参与者、概念、情境（PCC）框架制定纳入排除规则：参与者限定为精神科护士，排除不涉及临床实践精神科护士及学生护士的研究；概念限定为人工智能应用，排除无明确人工智能内容、仅涉及通用数字健康的研究；情境限定为精神科护理的临床场景，排除仅针对躯体健康问题、无护理相关性的医疗或治疗导向研究；文献类型限定为实证研究且为英文，排除社论、观点文、会议摘要、灰色文献与综述类文章。
3.2 检索策略
研究人员在Scopus、CINAHL与APA PsycInfo三个数据库中开展了全面、迭代的检索。限定检索近7年文献的原因是人工智能技术自ChatGPT推出后快速增长，以此确保纳入与研究问题相关的当代语境下的证据。
3.2.1 第一阶段
首阶段开展关键词与控制词汇的试点检索。代表每个核心概念的关键词通过布尔运算符OR组合，形成同义词与相关术语集合，再用AND连接不同集合，以同时覆盖研究问题的所有维度。重点围绕“精神科护士”参与者、“人工智能”概念及相关同义词展开检索，同时使用NOT运算符排除涉及学生护士的文献。检索策略经过迭代优化以提升结果的相关性与精准度，运用了截词符“()”、短语引号包裹等技术以覆盖术语变体，并在适当场景下整合MeSH词、CINAHL主题词等控制词汇以提升检索敏感度。
3.2.2 第二阶段
于2025年7月7日在三个数据库中执行最终检索，策略将“精神科护理”“人工智能”及相关机器学习术语三个概念块组合，结合布尔运算符并排除学生群体，同时限定为同行评审期刊文章、人类研究、英文文献，时间范围为2018年7月1日至2025年7月1日。以Scopus检索式为例：TITLE-ABS-KEY(‘mental health nurs’ OR ‘psychiatric nurs’) AND TITLE-ABS-KEY(‘artificial intelligence’ OR AI OR ‘machine learning’ OR ‘deep learning’ OR ChatGPT)。第三阶段辅以参考文献手工检索，三个数据库去重后共获得172条记录进入筛选环节，完整的分库检索策略见附录A以支持结果复现。
3.3 研究筛选
使用Covidence系统综述软件按纳入排除标准筛选记录，分为标题/摘要初筛与全文复筛两个阶段。排除标准包括：与精神科护理或临床工作流程无关、属于社论/评论/综述类文章、无明确人工智能内容、聚焦学生或非临床教育、仅针对医疗/治疗且无护理相关性、非英文、仅涉及躯体健康或医疗治疗导向内容。依据PRISMA-ScR指南，灰色文献虽被考虑但最终排除，原因是本综述旨在描述与梳理精神科护理中人工智能应用的现有证据及其与临床工作流程的相关性。筛选流程见图1。除2018年后的文献外，保留了2014年Louie等人关于社交辅助机器人在护理领域接受度的研究（未纳入分析），因其具有奠基性意义。
3.4 数据提取
每篇全文由两名研究员独立评估，分歧通过第三名研究员协商裁定。使用结构化模板提取作者、年份、地区、研究设计、人群、情境细节、发现及个体与组织层面启示等信息，采用文本综合法汇总跨研究结果，凸显重复出现的模式、差异与证据缺口，并通过表1清晰呈现与对比每项纳入研究的核心信息。
3.5 数据分析与综合
数据提取完成后，采用定性综合法整合跨研究发现，该方法适合对异质性较强的文献进行描述性概览，能够总结与解读证据库中的模式、相似性与差异性。研究证据按主题进行映射，将研究按核心概念、人群或干预类型分组，形成结构化的领域概要，既便于识别当前研究的集中方向，也能明确知识缺口所在。主题与分类概要的构建，共同呈现了精神科护理领域人工智能研究的范围、规模与性质。
4 研究结果
4.1 纳入研究特征
纳入研究的目标覆盖人工智能融入精神科护理及相关场景的多个维度，涉及伦理考量、临床有效性、使用者与专业视角、社会心理结局与技术革新，但对以人为中心的照护原则的涉入深度差异较大。研究方法包含定性访谈、非随机实验与混合方法设计、横断面分析、描述性或多方法路径等。研究人群涵盖精神卫生专业人员、患者、老年人、痴呆症患者，分布于澳大利亚、瑞典、新加坡、土耳其、英国、中国、爱尔兰、泰国与欧洲等多国，场景覆盖临床、社区与数字照护环境。样本量跨度极大，小至5名痴呆症患者的定性组，大至覆盖超350万患者的模型开发研究。核心主题聚焦于症状监测、数字共情、治疗支持、伦理实施、安全保障与关系性照护等方向，共同构成了理解人工智能在促进以人为中心的精神科护理中多重作用、机遇与张力的基础。
4.2 研究识别的核心概念
本节通过叙事综合呈现系统映射与分析得到的核心主题，捕捉文献中与精神科护理人工智能相关的核心概念、模式与关联，尤其关注其与以人为中心的照护原则的交汇点。
4.2.1 可及性与赋权
研究表明人工智能可通过强化治疗联盟提升患者赋权，在实现公平监测的同时不压制患者声音，并通过痴呆症照护中的共同决策支持自主性。聊天机器人通过提供7×24小时支持，突破了服务短缺带来的障碍，覆盖了多元人群，既降低了孤独感，也改善了心理健康结局。这些发现提示人工智能可在传统服务受限的场景中支持更及时、可及的照护，但同时需注意，此类可及性多依托数字平台实现，对于处于脆弱状态或面临数字排斥的人群而言，其实际参与度仍有待审视。
4.2.2 以人为中心的照护与人类联结
纳入研究普遍将人工智能定位为支持而非替代照护中以人为中心面向的工具。数字共情概念的提出显示，情感投入与信任建立仍是核心，要求将传统共情适配至虚拟场景，强调富有共情的沟通。人工智能辅助分析可捕捉青少年康复叙事中超出标准量表的内容，同时也凸显了护士在引出与解读患者叙事时的关系技能的重要性。研究一致强调人类联结与协作性照护过程的必要性：人工智能可支持部分流程，但不具备独立维系治疗关系的能力，技术设计需始终在专业护士的关系调节下，平衡患者赋权与照护者支持，守护共同决策、目的与身份认同等核心要素。
4.2.3 信任、接受度与伦理风险
精神科护理中的人工智能应用伴随信任、透明度、培训、隐私等问题，也存在去人性化、监测化与专业角色变迁的风险。针对精神科护士的访谈显示，人工智能支持的系统被认为可减少常规工作量，让护士有更多精力投入社会心理照护与治疗关系，但参与者同时强调其无法复制精神科护理核心所需的共情、沟通与关系判断。在暴力与自杀风险预测研究中，机器学习模型虽能整合人口学、临床变量与生物标记物以触发早期预防，但护士始终是宽泛关系与临床情境中解读风险信息的核心。被动传感技术带来的持续监测也引发了隐私担忧与治疗关系侵蚀的顾虑，尤其对于存在偏执体验的患者，需要临床工作者在技术洞察与个体体验敏感性之间取得平衡。总体而言，人工智能是精神科护理的支持性工具，其使用始终处于技术能力、伦理考量与照护关系需求的持续协商之中。
4.2.4 互补性与整体性整合
研究显示人工智能普遍被呈现为补充而非替代护士的观察与关系角色。急性精神科病房的夜间监测传感器在实现与人工核查100%一致率的同时，减少了对患者睡眠的干扰，保障了安全、自主与尊严，释放出护士的时间用于治疗性参与。人工智能也可在不取代临床关系的前提下扩大循证干预的覆盖范围，例如对话代理递送临床撰写的认知行为疗法内容，大幅降低临床耗时，同时提升抑郁症状监测的数据可得性，准确区分轻症与重症病例。这些效率提升始终依赖于护士将自动化输出解读并置于治疗性照护语境中的能力。人工智能可消除重复性评估、扩展认知行为疗法递送、自动化安全检查，但护士在治疗关系构建中的不可或缺性始终是精神科以人为中心实践的核心，技术最有效的定位是与人类治疗性互动并行而非取而代之。
5 讨论
本综述系统识别、整理并初步综合了精神科护理实践中人工智能应用的现有证据，聚焦于其对以人为中心的照护递送带来的潜在益处、挑战与伦理考量。聊天机器人干预在减少污名、突破服务限制方面显示出潜力；机器学习对抑郁症状的持续监测、痴呆症导向的人工智能倡议与共同设计研究，均凸显了其在规模化递送更具个性化、更有尊严的照护、减少不平等方面的可能。这些发现提示，当人工智能以用户为中心设计时，可作为以人为中心的照护价值的实践性延伸。但与此同时，人工智能医疗应用中普遍存在的对效率、即时性与大规模去个性化的侧重，也引发疑问：这类效率驱动的进步究竟是真正增强了以人为中心的属性，还是将照护重构为围绕速度与优化的逻辑，而非共享意义与关系深度。
关系性面向是以人为中心的照护中最复杂的人工智能整合领域。证据表明人工智能可支持而非完全替代治疗性照护中的人类联结，共同设计路径也识别出关系的优先性。早期关于社交辅助机器人在老年群体中接受度的研究奠定了技术与人类联结关联的基础，数字共情的概念分析则为人工智能增强护理治疗性联结提供了审慎的乐观依据。虽然这两项研究并非明确聚焦精神健康，但治疗性联结、老年认知衰退考量等核心概念可迁移至包括精神科在内的所有护理领域。急性精神科病房中传感器监测的成功落地，扩展了早期关于技术介导观察可接受性的证据，但这种被动监测的顺利推进，与针对互动式聊天机器人的担忧形成对比——后者在模拟人类关系性参与时复杂度更高，且存在依赖导致负面结局的潜在风险。批判性视角指出人工智能难以真正体现共情与人性这类核心治疗特质，这正呼应了以人为中心的照护从根本上扎根于人类价值、共同决策与护士独有属性的论断，而这些属性无法通过机械方式被人工智能复制。尽管人工智能可增强治疗互动的部分面向，但其能否复制精神科以人为中心的照护所需的关系特质仍存不确定性，因此在需要细腻与共情的临床场景中需谨慎使用，重点关注实施方式与必要的人类监督。
信任与伦理被凸显为人工智能契合以人为中心的照护价值的关键前提。透明度维护、隐私保障、临床人员与患者共同参与的协作式共同开发被反复强调，这与人工智能决策的伦理框架和人类监督的呼吁相呼应。但在风险预测应用中，自杀与暴力风险评估算法加剧了伦理困境，存在强化权力失衡或通过误判、强制造成伤害的可能。若无稳健的治理与监督，人工智能应用可能与以人为中心的照护核心的尊严与自主原则产生张力。信任是影响人工智能在以人为为中心的心理健康照护中被接受与落地的关键因素，可依据制度信任、人际信任与分布式信任的类型学框架理解：人工智能的融入可能改变治疗关系中信任的建立与维系方式，这一问题在精神科场景中尤为突出，因为脆弱性、创伤史与偏执体验会深刻塑造个体对技术赋能照护的参与意愿。此外，绝大多数纳入研究缺乏研究者、从业者与有生活经验者的共同参与设计，凸显了参与式路径在人工智能开发与落地中的重要性，这也呼应了护理人员、患者与开发者之间开展“有意义的对话”的呼吁，以确保人工智能工具支持而非削弱治疗关系。护士在此语境中扮演“信任中介”的角色，在技术输出与患者需求之间进行协调，尤其是在风险评测关乎生死的精神科场景中。同时仍需关注患者对人工智能生成互动的解读与反应存在的不确定性。
现有文献提示，当人工智能被用于补充而非替代临床判断与治疗性互动时，其与以人为中心的照护的契合度更高。在不干扰照护的前提下提升安全性的技术驱动工具，以及与临床支持结合的对话代理，均证明这种混合路径可同时维持临床有效性与治疗在场。通过捕捉患者叙事、补充症状监测，人工智能可丰富整体理解，同时保持心理健康照护的人本主义前提。尽管本综述凸显了人工智能支持精神科以人为中心的照护的潜力，也暴露出有待未来探索的重要缺口，例如针对年轻孤独群体的陪伴技术可能带来社交联结与情绪健康的非预期后果。更多研究需要评估人工智能工具如何被有意义地整合进治疗关系，而不取代精神科护理核心的人类特质。
纳入研究的方法学差异反映了人工智能心理健康研究路径的多样性，但也凸显了共同设计方法的独特价值——可将定量接受数据与定性关系洞见转化为补充（而非取代）信任与共情等必需人类特质的以人为中心的技术。未来研究可采用纵向设计，检验人工智能干预对患者结局、参与度与信任的长期影响；也可开展跨文化、跨服务场景的比较研究，澄清人工智能是减少了不平等还是无意中强化了现存差距；还需进一步开发方法学框架，以在数字平台中捕捉患者叙事与关系深度，确保人工智能支持而非削弱共情、信任、慈悲与共同决策等照护的关系面向。
5.1 优势与局限性
本综述整合了精神科护理人工智能应用的多元文献，覆盖不同人群、地域、样本量与方法学设计，核心优势在于结合定量与定性数据，得以对人工智能从临床有效性到伦理考量的多面角色进行细致探索。纳入研究覆盖多国语境，提升了发现的全球相关性与跨卫生系统的适用性；研究人群的广谱性提供了人工智能全生命周期与照护光谱影响的全景视图；方法学的多样性则深化了对客观结局与主观体验（如伦理关切与关系动态）的双重洞察。但检索策略聚焦特定数据库虽最大化了精神科护理文献的召回率，也可能遗漏主要索引于护理文献之外的相关人工智能应用研究。此外，纳入研究的异质性构成局限：研究设计的宽泛差异、样本量的悬殊跨度与文化语境的多样性使得直接比较困难，限制了特定发现的普适性；较小的定性样本也制约了部分洞向更广人群的迁移性；各研究使用的测量工具与人工智能应用的多样性，也使得无法将发现合成为统一、普遍适用的结论。
6 结论
人工智能有潜力通过提升可及性、支持症状监测、赋权服务不足人群，来增强以人为中心的精神科护理，但这些益处的实现，取决于其整合过程是否牢牢扎根于真实共情、信任与关系深度等核心人文价值——这些始终是有效照护的根基。若缺乏这样的根基，人工智能可能强化监测导向的实践、效率驱动的照护模式与去个性化形式，从而与康复导向的精神科护理形成张力。更根本的是，目前仍不确定人工智能能否在以人为关系核心的领域（如精神科护理）中完全契合以人为中心的原则，或其局限性是否对其在实践中的伦理应用构成了内在约束。
人工智能应补充而非取代护士的治疗性角色，并辅以伦理监督、透明度与持续的培训。精神科护士不仅是人工智能技术的终端使用者，更是关键的伦理行动者与信任中介，在算法系统与患者生活经验之间进行协调。因此，精神科护士必须认清人工智能的局限，优先选择维护尊严、共同决策与人类联结的模式，同时继续倡导开发与落地经证实对患者有益的、有患者主动参与设计、评估与治理全流程的人工智能驱动平台，确保以人为中心的价值不被技术效率或组织诉求所裹挟。在这些约束下，人工智能驱动的应用或可支持更具整体性与回应性的照护，但其对维持以人为中心实践原则的作用，仍依赖于持续的批判性、伦理性与关系性审视。
7 对临床实践的意义
人工智能为精神科护理创造了新的可能，从支持更精准的评估，到追踪症状变化、适配个体化需求。但要让这些工具真正融入实践，关键在于护士与患者积极参与其开发与使用的全过程，确保人工智能支持而非束缚临床判断。
护士需要确信人工智能可被安全、合乎伦理地使用，但若这些技术未在实践层面得到谨慎落地、监测与批判性评估，仍存在造成非预期伤害的可能。保护患者隐私、确保系统运行的透明度、维系信任，始终是核心考量，配套的工作force持续培训与支持也不可或缺。
最重要的是，人工智能最恰当的定位始终是精神科护理中治疗关系与共情的补充，而非替代。尽管人工智能可支持更具回应性与效率的照护递送，但其使用仍需持续的伦理审视，以避免关系性、以人为中心的价值观在日益数字化的照护模型中遭到削弱。本综述凸显，人工智能融入精神科护理不仅是技术与运营问题，更是关系性与伦理问题。随着人工智能技术在精神卫生服务中的嵌入程度不断加深，必须审慎关注效率与创新不会遮蔽治疗性照护的关系根基。研究结果表明，人工智能在精神科护理中的未来角色，不仅取决于技术能力，更取决于这些系统能否以保护人类联结与以人为中心的照护的方式落地。
