HopeBot开发与评估：基于大语言模型的结构化互动抑郁筛查聊天机器人
人工智能
2026-01-15 v2 计算与语言
人机交互
摘要
静态工具如患者健康问诊9项抑郁筛查（PHQ-9）有效筛查抑郁，但缺乏互动性与适应性。我们开发HopeBot，一个基于大语言模型（LLM）的聊天机器人，通过检索增强生成与实时澄清实施PHQ-9。在within-subject研究中，132名来自英国与中国的成年人完成了自主版与聊天机器人版的问卷。得分显示出强烈一致性（ICC=0.91，45%完全相同）。在75名提供比较反馈的参与者中，71%表示更信任聊天机器人，归因于更清晰的结构、解释性指导及支持性语气。平均评分（0-10）为舒适度8.4，语音清晰度7.7，处理敏感话题能力7.6，建议有用性7.4；后者因就业状态及既往精神健康服务使用情况而显著差异（p<0.05）。总体而言，87.1%受访者表示愿意重复使用或推荐HopeBot。这些发现表明，基于语音的LLM聊天机器人可作为可扩展、低负担的常规抑郁筛查辅助手段。
引用
@article{arxiv.2507.05984,
title = {Development and Evaluation of HopeBot: an LLM-based chatbot for structured and interactive PHQ-9 depression screening},
author = {Zhijun Guo and Alvina Lai and Julia Ive and Alexandru Petcu and Yutong Wang and Luyuan Qi and Johan H Thygesen and Kezhi Li},
journal= {arXiv preprint arXiv:2507.05984},
year = {2026}
}