从AI心理健康对话中被动评估抑郁严重程度：大模型微调方法

本文介绍一种基于大语言模型（LLM）的抑郁严重程度被动评估方法，旨在解决传统自我报告量表（如PHQ-9）完成率低、选择偏差等问题。该方法通过分析用户与AI心理健康应用的日常对话，无需额外问卷即可实现连续症状监测。研究使用真实用户数据，结合伪标签数据增强策略，微调开源模型Qwen3.5-27B，取得了良好的预测性能，为心理健康监测开辟新方向。

抑郁症是全球致残首要原因，早期识别至关重要。但传统PHQ-9等量表存在局限：完成率低、选择偏差、时间分辨率低、额外负担。理想的监测应是被动的——在用户正常使用服务时自动收集数据，实现连续监测、降低负担、减少偏差。

1. 数据基础：3111名用户的对话数据+PHQ-9标签；2. 数据增强：用Claude Opus生成伪标签，扩展到6283名用户；3. 模型架构：Qwen3.5-27B基础模型+回归头预测PHQ-9总分；4. 训练策略：监督学习微调，优化预测准确性。

在842名用户测试集上，模型表现：MAE=2.6分（平均偏差小）、RMSE=4.0分、皮尔逊相关系数r=0.80（强相关）、PHQ-9≥10阈值AUC=0.91（良好分类能力）。跨所有严重程度阈值AUC均超0.87，能覆盖整个临床谱系。

贡献：首个大规模真实用户验证研究、伪标签数据增强策略、开源模型达商业模型性能。应用前景：连续症状监测、早期预警、个性化干预、辅助研究数据收集。

伦理问题：知情同意、数据隐私、临床边界（不能替代专业诊断）、干预责任。局限性：样本代表性（特定应用用户）、对话质量依赖、纵向验证缺失、因果关系不明。未来方向：多样化人群验证、可解释性研究、扩展到其他心理状况、长期纵向研究。

启示：重估对话数据价值、产品设计转向无感知监测、临床整合辅助工具。结语：该方法代表心理健康监测技术进步，需平衡技术创新与伦理责任，为行业提供宝贵经验。