一句模棱两可的话，为什么有人听起来很平常，有人却会自动理解成否定、拒绝甚至敌意？

这种差异长期以来都是抑郁症认知研究关注的问题。心理学研究把这种倾向称为"解释偏差"，指人在面对含义不明确的信息时，更容易朝某一种方向理解。抑郁症患者常表现出更明显的负面解释偏差，例如把中性的社交信息理解为拒绝，把不确定的结果理解成失败。

图片来源 https://worksheets.clipart-library.com/worksheet/automatic-thought-20.html
 

过去几十年的研究已经积累了大量相关证据，但一个更重要的问题始终没有得到充分回答：解释偏差究竟只是抑郁状态伴随出现的一种认知特征，还是参与了抑郁发生和持续的机制？如果它属于后者，能不能通过改变这种认知模式来改善抑郁症？

 

9月25日，德国慕尼黑大学医院、荷兰乌得勒支大学和澳大利亚格里菲斯大学的研究团队在《European Child & Adolescent Psychiatry》发表了一项系统综述和Meta分析。Meta分析是一种把多项独立研究的结果汇总起来，再利用统计方法估计总体效应的研究方法。此次研究聚焦儿童和青少年抑郁与解释偏差之间的关系，纳入30项研究，为这个问题提供了一次较完整的证据梳理。

 

01  "想太多"和抑郁，真有关系吗？

 

研究团队检索了PubMed、Web of Science、PsycINFO和ProQuest等数据库，最终纳入30项研究。其中22项横断面研究提供了可用于统计分析的数据，共涉及4763名儿童和青少年。所谓横断面研究，是在同一时间点观察参与者的特征和疾病状态，因此适合判断两个因素是否同时存在关联，但无法单独证明因果关系。

图片来源 DOI: 10.1007/s00787-026-03198-x.

 

统计结果显示，抑郁症状与解释偏差之间存在中等程度的相关性，相关系数为0.34，95%置信区间为0.27—0.42，P<0.001。也就是说，在这批研究中，抑郁症状越明显的儿童和青少年，越容易出现负面解释信息的倾向。

 

这个结果并不意外。过去成人抑郁研究已经观察到类似现象，而此次研究进一步说明，这种认知模式在儿童和青少年阶段同样能够被观察到。

 

研究团队随后分析了4项纵向研究，共涉及616人。纵向研究会对同一批参与者进行一段时间的持续观察，因此可以进一步判断某种特征是否与未来症状变化有关。结果显示，现有研究并没有稳定证明解释偏差能够预测之后的抑郁症状，而且在控制最初的抑郁严重程度后，部分关联明显减弱。

这意味着目前最有把握的结论是：抑郁与负面解释偏差存在稳定联系，但尚不能据此判断负面解释偏差会独立推动抑郁发生。

 

02  是病因吗？治得好吗？

 

研究团队进一步分析了试图主动改变解释偏差的实验研究。这里使用的一类方法叫"认知偏差修正"，研究者通过特定的阅读材料、情境判断任务等训练，让参与者逐渐减少对模糊信息的负面解释。

目前能够纳入的随机对照研究只有3项，共239名参与者。随机对照试验通常会把参与者随机分配到干预组和对照组，再比较两组在治疗后的差异，因此在评价干预效果时，证据强度通常高于单纯的相关性研究。

 

这3项研究没有稳定发现，改变解释偏差能够显著改善儿童和青少年的解释偏差水平，也没有观察到明确的抑郁症状改善。

 

研究本身也存在一些限制。部分干预研究没有充分证明训练确实改变了目标认知过程。研究质量总体处于中等水平，平均质量评分约67.75%，在随机分配隐藏、评估者盲法、预注册分析和缺失数据处理等方面存在报告不足。

 

年龄和样本特征也限制了结果的外推。纳入研究中的参与者大多年龄在7岁以上，而且不少人的抑郁症状处于较低水平。因此，目前的结论还不能直接推广到临床上具有明确诊断的儿童和青少年抑郁症患者。

 

这也是这项研究给出的核心信息：解释偏差已经具备较明确的相关性证据，但从相关性走向因果机制，再走向可重复的治疗效果，中间还有多个环节需要验证。

 

03  AI入场：量产"往好处想"

 

这条研究路线并没有停留在传统心理学实验室。2026年，多项研究开始尝试利用手机和人工智能扩大认知偏差修正的应用范围。

 

美国一项研究测试了基于智能手机的个性化解释偏差干预，共纳入340名存在轻度以上焦虑或抑郁症状的成年人，持续4周。研究发现，参与者的负面解释倾向和功能损害有所改善，同时焦虑、抑郁症状也出现变化。不过，症状变化并不能完全归因于这项干预，因此研究团队认为仍需要进一步验证。

另一项2026年的研究则尝试使用人工智能生成认知训练材料。研究共纳入165名存在轻度以上抑郁症状的人，分别接受人工智能生成材料、人工设计材料或阅读控制任务。结果显示，两种认知训练都能够降低负面解释倾向，人工智能生成材料在研究设定的比较中没有表现出明显劣势。

 

但这类研究目前仍处于早期阶段。部分研究只有一次训练，随访时间较短；不同测量方法之间的结果也并不完全一致。它们更多是在回答"这种认知训练能否被数字化、规模化"，距离证明长期临床疗效还有距离。

 

目前也没有获批药物直接以"解释偏差"为治疗靶点。现阶段，这一方向主要存在于心理干预、数字疗法和认知训练研究中。

 

04  国内进度：同题作文，写到一半

 

国内对抑郁相关认知偏差的研究也在增加。2026年一项中国大学生研究纳入66名参与者，分析负性注意偏差、解释偏差和抑郁之间的关系。研究发现，解释偏差在负性注意偏差与抑郁之间存在一定的中介作用，间接效应为0.278，95%置信区间为0.148—0.453，相对效应约42%。

 

此前国内团队已经开展过解释偏差修正和注意偏差修正研究，包括健康成年人以及具有抑郁症状的年轻人群。部分研究观察到认知偏差和焦虑、抑郁相关指标发生变化，也有针对抑郁症状人群的临床试验注册。

 

从目前的研究分布来看，中国和海外的研究方向比较接近：一端是寻找抑郁患者的信息加工特点，另一端是尝试通过训练改变这些特点。真正能够完成长期随访、明确患者分层，并证明认知变化与临床疗效之间存在稳定关系的研究仍然较少。

 

这也决定了当前解释偏差更适合被看作一个正在验证中的疾病机制，而不是已经确定的药物靶点。对于CNS药物研发而言，一个变量与疾病存在统计关联，只能完成靶点探索的一部分工作，后面还需要经过机制验证、药理干预和临床验证。

 

05  破局点：挑对病人

 

抑郁症本身具有很强的异质性。同样被诊断为抑郁症的患者，可能存在完全不同的症状组合和生物学机制。解释偏差也可能只在其中一部分患者中发挥较大作用。因此，后续研究需要进一步回答几个具体问题：哪些患者具有稳定的负面解释偏差？这种偏差能否通过脑影像、认知任务或者数字行为数据进行客观识别？它与哪些脑区和脑网络活动相关？改变这种偏差之后，哪些患者能够获得持续的临床改善？

 

这类研究一旦形成稳定结果，解释偏差的意义就可能从一个心理学现象进一步延伸到患者分层和治疗选择。认知训练可以成为一种干预方式，也可以与心理治疗、神经调控或药物治疗联合使用。

 

对于药物研发来说，研究方向同样可能发生变化。未来如果能够找到与负面信息加工相关的特定脑网络、神经递质系统或者分子通路，解释偏差就可能成为连接"症状"和"生物学靶点"的中间层。现在距离这一步还有较长距离，但这也是这类机制研究值得继续推进的原因。

 

06  结论：下一仗，打机制

 

这项Meta分析最重要的贡献，是把不同层级的证据放到了同一张图里。

 

目前，横断面研究已经比较明确地显示抑郁与负面解释偏差之间存在关联；纵向研究尚不足以证明解释偏差能够独立预测抑郁发展；干预研究也没有稳定证明改变这种偏差可以改善抑郁症状。三层证据放在一起，结论其实很清楚：解释偏差值得继续研究，但现阶段还不能把它直接定义为抑郁症的治疗靶点。

 

这也折射出CNS研发近年来越来越重要的一条路径——从临床症状出发，继续寻找能够测量、能够干预、能够预测疗效的疾病机制。对于抑郁症这样高度异质性的疾病，未来研发可能需要把认知表型、脑网络、生物标志物和临床症状放在同一个患者分层框架中。

 

只有当研究能够证明"某类患者具有明确机制异常—药物或其他干预能够改变机制—机制变化能够带来稳定临床获益"，一个认知现象才可能真正进入CNS治疗研发体系。

 

---

资料来源

1. Mayr L, Salemink E, Waters A, et al. Interpretation biases in child and youth depression: a systematic review and meta-analysis. European Child & Adolescent Psychiatry, 2026. DOI: 10.1007/s00787-026-03198-x.

2. Platt B, Waters AM, Schulte-Koerne G, et al. A review of cognitive biases in youth depression: attention, interpretation and memory. Cognition and Emotion, 2016. DOI: 10.1080/02699931.2015.1127215.

3. Platt B, Sfärlea A, Löchner J, et al. The role of cognitive biases and negative life events in predicting later depressive symptoms in children and adolescents. 2023. DOI: 10.1177/20438087231184753.

4. Silverman AL, et al. Randomized Controlled Trial of Smartphone-Based Interpretation Bias Intervention for Anxiety and Depression. Journal of Consulting and Clinical Psychology, 2026. DOI: 10.1037/ccp0000996.

5. Hsu CW, et al. Reducing negative interpretation bias in depression using cognitive bias modification with AI-generated training materials: a proof-of-principle study. International Journal of Mental Health, 2026. DOI: 10.1080/00207411.2026.2705598.

6. 徐西良，刘明矾，程果，等.《大学生负性注意偏向、解释偏向与抑郁的关系研究》. 中国全科医学, 2026, 29(24):3486-3492.