慢性病里的抑郁焦虑，不只是“叠加”一个诊断
慢性躯体疾病中的心理痛苦，并不只是精神问题简单叠加在医学诊断上。它常由患病经历本身产生、放大和解释：持续自我监测、治疗要求、对未来的不确定、反复症状、睡眠被打断、功能受限、感觉失去控制，都可能带来类似抑郁焦虑的表现，或与它们并存。
文章对比了两类慢性病。2型糖尿病（T2DM）的心理负担更多来自持续自我管理：服药、饮食、血糖监测、生活方式调整，以及反复判断“控制得够不够好”。慢性自发性荨麻疹（CSU）则更多来自症状反复和不可预测：瘙痒、睡眠中断、对下一次发作的担忧和疾病不确定性。两者都可能有低落或焦虑，但背景不同，心理支持也应当不同。
研究怎样比较三款AI聊天机器人
这是一项标准化模拟患者基准测试，比较ChatGPT、Gemini和豆包。研究者开发了20个场景，覆盖T2DM和CSU，并匹配轻度和中度抑郁、焦虑表现，以及疾病特定困扰，如糖尿病自我管理和荨麻疹发作不确定性。每个场景独立提交给三个系统，进行两轮测试，共获得120条回复。
盲评者从总体心理支持适当性、识别与情绪支持、慢性病情境化、心理支持与转介、心身平衡与安全、重大临床或安全错误等方面评估，并重复测试一致性。这里的“适当性阈值”是研究预设标准，用来判断回复是否达到心理支持的基本要求。需要强调，这是模拟场景研究，并非真实患者临床试验。
主要发现：会安慰，但“看病情背景”和“该转介时转介”有差距
总体心理支持适当性在三款系统间存在差异（P = 0.002）：ChatGPT有90.0%的回复达到预设适当阈值，Gemini为75.0%，豆包为55.0%。三款系统在识别情绪和提供情绪支持方面都较强，差异更多出现在慢性病情境化（P = 0.001）、心理支持与转介（P = 0.002）、心身平衡与安全（P<0.001）。
症状严重程度也影响表现。所有针对轻度表现的回复都被评为心理适当；到了中度表现，只有58.3%的回复适当。这说明当数字支持需要更强地推动用户接受专业评估时，可靠性会下降。CSU场景的情境化也更不稳定，尤其当回复需要同时考虑发作不可预测、瘙痒、睡眠中断和疾病不确定性时。
安全方面，第一轮测试中，ChatGPT、Gemini和豆包出现重大临床或安全错误的回复比例分别为0%、10.0%和15.0%。重测一致性为中等，且不同系统之间有差异。换句话说，能说出共情的话，不等于能给出与疾病背景、症状严重度和心身因素相匹配的支持。
对使用者的意义：可作第一入口，但不能替代专业照护
通用AI聊天机器人不是正式心理治疗，也不是疾病管理工具，但对话门槛低，患者可能用它来问“我的反应正常吗”、寻找应对策略，或判断要不要就医。这种用途位于信息获取和心理照护之间，因而需要更谨慎。
研究提示，这类工具目前适合做初步的情绪识别、安慰和自助信息整理，但存在边界：可能听起来共情却校准不足；可能识别出抑郁却忽略疾病背景；也可能建议就医，却没有区分普通疾病相关痛苦与临床显著恶化。对公众而言，最稳妥的定位是辅助性自助工具，而不是专业照护的替代品。若情绪症状持续加重、明显影响睡眠和功能，或出现伤害自己的念头，应及时联系专业人员或当地急救资源。
研究者结论
研究者认为，通用AI聊天机器人有潜力成为慢性病患者可及的自助数字心理健康资源，尤其在识别痛苦和提供初始支持指导方面。但其局限也很清楚：当有效支持需要疾病特定情境化、心理与躯体因素的平衡解释，或症状加重时必须升级转介时，当前系统仍不够可靠。
因此，实施这类工具时应强调情境敏感指导、按严重程度响应转介，并明确将其与专业照护整合，而不是替代专业照护。对于慢性病患者，AI可以是一个低门槛的起点，但不应成为唯一的支持来源。