对于回归以临床表现（即精神症状）为核心的基础框架，精神医学领域的兴趣日益增加。当前的诊断分类，如DSM和ICD，历史上本来是为诊断的标准化和可靠性而设计的，但如今正逐渐承担起原本并非其使命的教学功能。

临床培训是教授如何采集、描述和解释精神症状的重要途径。然而，此类培训往往缺乏结构化的工具和明确的教学框架，难以帮助学员以当前所期望的细致、可靠和精准程度来处理这些症状。近年来的文献强调，精确刻画精神症状是很有必要的，但这一认知转变尚未充分融入精神医学的教学实践中。

改进精神症状教学需要将临床专业知识、新兴技术和循证学习策略相结合。各种学习策略中，可视化尤其能够促进临床症状的教学。此外，游戏化学习也是一种有趣的方式，可以帮助学员更积极地参与精神症状的学习。

在这一背景下，法国的一家非营利性教育机构——法国精神症状教学协会（AESP）开发了一款基于人工智能（AI）生成图像的教学类卡牌游戏。这套卡牌以AI生成的精神症状插图为核心，包含七个症状家族，每个家族对应一组精神症状，并包含6个具体症状（图1）：

图1 精神症状教学卡牌

此套卡牌的研发遵循以下四个步骤：

第一步

在精神科医生的督导下，对精神症状进行筛选和分类，旨在精准确定拟纳入卡牌的典型症状。此过程依托于AESP为法国医学生编写的法国国家级教材，以及协会成员的集体专业知识。

例如，AESP筛选出的六个精神分裂症症状包括言语紊乱、妄想、幻觉、社交退缩、知-情不协调、情感平淡，六个抑郁症状包括抑郁心境、意志减退、疲乏/精力下降、快感缺失、思维迟缓、动作迟缓/表情减少。

第二步

围绕七大精神症状家族构建内容，分别为 Clérambault 家族（精神分裂症症状）、Falret 家族（抑郁症状）、Esquirol 家族（躁狂症状）、Beck 家族（焦虑症状）、Rush 家族（成瘾症状）、Charcot 家族（躯体不适或躯体体验障碍症状）、Kanner 家族（神经发育障碍症状），另有三张额外的「Joker」牌代表三种跨诊断的严重临床状况，分别为激越、紧张症（畸张症）和自杀。

该框架使用的家族名称参考了精神医学领域的重要历史人物（如，Clérambault 首次描述了钟情妄想），强化了精神医学的历史渊源，并使该框架与经典精神病学的传统保持一致。

各家族症状的详细信息可点击文末左下角「阅读原文」查看。

第三步

使用AI生成描述精神症状表现的图片时，进行了连续的图像生成和迭代优化，每张卡片的图像提示词平均修改5-6次，并进行了针对污名的监测，以尽可能减少文化偏见和伦理挑战。此外，对症状家族进行了视觉统一化处理。

第四步

整体制作和包装，包括规则及变体的制定（按难度递增的顺序：附症状列表及详细描述；仅有列表而无描述；无列表或描述，需要通过记忆症状进行），一本小册子和一个套装盒，以及专业的编辑和发行工作，配合专家和学生的首轮试玩。

关于AI如何在临床、文化和伦理层面塑造精神症状的表现，人们的顾虑很大。现有AI大模型主要反映的是文化认知，而非基于实证的临床认知，进而可能重现传统偏见和刻板印象，需要持续动态监控。污名化的风险尤为突出。这就需要AI开发者与临床从业者积极合作，使输出物同时具备临床和教学方面的专业知识，以确保医学上的相关性和适当性。

尽管尚未进行正式的、结构化的评估，但来自精神科实习医生和医务人员的初步反馈提示，该游戏在目标受众中具有较高的可接受度，并在学习关键精神症状方面提供了有意义的支持。未来将重点评估该游戏在教学方面的有效性，以便在后续版本中迭代；还需要研究该游戏对精神症状收集、描述和解释的影响，以及可能对学员造成的精神障碍被负面呈现（即污名化）的影响。

游戏化不应取代传统的学习形式，后者仍是精神医学教育的核心。AI可通过增强可视化、提高参与度、提升多样性成为传统学习形式的有益补充，其最终目标仍是学以致用，促进知识向日常临床实践的转化。

综上，这款教育卡牌游戏代表了精神症状教学的一项新发展，为学员和专业人士提供了一种结构化、互动性强、以症状为核心的学习方式。生成式AI的融入为精神症状的教学提供了一个有潜力的工具，在谨慎使用的情况下可以丰富学习体验和提升教学质量。然而，前提仍是临床专业人士的督导及图像的严格筛选，以确保其临床相关性和伦理操守。

文献索引：Gauld C; AESP Group Study. An educational tool using artificial-intelligence-generated visualisations to improve teaching of psychiatric symptom characterisation. Br J Psychiatry. 2025 Nov 11:1-3. doi: 10.1192/bjp.2025.10464. Epub ahead of print. PMID: 41216658.

点击「阅读原文」可查看及检索历史文章。