综合综述绘制精神病学诊断生物学未来的路径图

英国剑桥郡，剑桥，2026年3月10日 — 一篇全面的邀请综述今日在《脑医学》发表，直面现代医学中最顽固的悖论之一：精神病学至今仍是唯一主要依赖问诊与症状清单来诊断复杂疾病的临床学科，而肿瘤学与心脏病学早已将实验室标志物、影像学与分子分析纳入常规实践。这篇综述由剑桥大学神经精神病学研究中心的 Jakub Tomasik 博士、Jihan K. Zaki 及 Sabine Bahn 教授共同撰写，系统整合了概念框架、生物标志物科学、数字表型与人工智能领域的前沿研究，描绘出一条通向更具生物学基础、更具临床实用性的精神病学诊断路径。

现行诊断体系的局限

问题听似简单。心脏科医生可以检测肌钙蛋白水平，肿瘤科医生可以对肿瘤进行基因测序，精神科医生为何至今仍需询问患者是否已连续两周感到悲伤？综述作者指出，答案在于现行诊断体系的本质。《精神障碍诊断与统计手册》（DSM）和《国际疾病分类》（ICD）通过统一临床语言、提升诊断可靠性，为精神病学做出了重要贡献。然而，这些框架由专家共识塑造而成，并非源于对潜在疾病机制的发现。它们捕捉到了症状模式，却未能反映生物学异质性。

这一局限的后果绝非抽象的理论问题。综述指出，重性抑郁障碍可通过超过250种可能的症状组合加以诊断。两位共享同一诊断的患者，其临床表现可能截然不同。共病现象十分普遍，许多患者在同一时期或整个生命历程中符合多种障碍的诊断标准。而划分疾病与正常状态的阈值，在作者看来，在很大程度上是约定俗成的，缺乏生物学证据的支撑。

"DSM 和 ICD 为精神病学分类提供了不可或缺的框架，但它们未能捕捉精神疾病的真实本质，" 综述的通讯作者、剑桥大学神经精神病学研究中心主任 Sabine Bahn 教授表示。"这些体系缺乏坚实的生物学基础，形成了高度异质且部分重叠的诊断类别，设置了任意的阈值，且依赖因临床医生而异的主观判断。或许最为关键的是，诊断标签往往无法预测预后，也无法有效指导治疗。"

重构精神疾病的认识框架

我们能否以不同方式想象精神病学诊断？若干概念创新表明这是可能的。综述考察了四种主要框架，它们共同挑战基于清单的定义：网络模型将精神症状视为相互作用的系统，而非隐性障碍的被动反映；精神病理学等级分类法（HiTOP）以数据驱动的方式，将精神病理学组织为层级维度；研究领域标准（RDoC）以潜在的神经生物学与心理学机制来重新定义精神障碍；临床分期则引入时间维度，追踪疾病从早期易感性到慢性阶段的演进轨迹。

这些框架均非成熟的体系。综述指出，网络结构在不同样本间往往难以重复；HiTOP 的复杂性限制了临床应用；RDoC 因忽视心理健康的社会与情境维度而受到批评；临床分期也因分期边界不够精确，以及许多精神障碍并不遵循可预测病程这一令人不安的事实而受到制约。然而，综合来看，这些模型代表了一次根本性的转变：不再将障碍视为固定的类别，而是将精神疾病描述为由相互作用的症状、潜在机制与个体发展共同塑造的动态、多维系统。

"这些方法标志着我们对精神疾病理解的重大转变，" 综述第一作者及共同通讯作者 Jakub Tomasik 博士表示。"我们审视的框架并非相互竞争的替代方案，而是在不同解释层面各司其职。自上而下的方法提供具有临床意义的参照点，自下而上的策略则旨在揭示观察到的综合征背后的潜在结构与机制。两者的整合，对于将数据驱动的洞见转化为临床可用工具，或许至关重要。"

浮现于表层之下的生物学证据

分子图景究竟揭示了什么？综述广泛综述了生物标志物研究，涵盖大规模神经影像学联合研究、基因组学、表观遗传学、蛋白质组学与代谢组学。来自 ENIGMA 联盟的研究显示，精神分裂症与广泛性皮层变薄相关，而重性抑郁在情绪调节脑区呈现更为局限的体积减少。来自精神病学基因组联盟的大规模全基因组关联研究，已识别出数百个与精神分裂症、双相障碍及重性抑郁相关的常见遗传位点，集中指向突触传递与钙信号通路。跨障碍分析揭示了显著的遗传重叠，精神分裂症与双相障碍之间的遗传相关性较高，与抑郁症之间的相关性中等。

然而，迄今识别的大多数候选生物标志物效应量有限，在不同队列间的泛化能力不足，且在很大程度上仍局限于研究环境。这一坦诚的评估贯穿综述始终。多基因风险评分目前对精神分裂症的责任方差解释量约达15%，对重性抑郁约为8%。相当比例的遗传力仍未获得解释。那么，如何弥合这一从有前景的信号到临床应用之间的鸿沟？

部分方法已触及临床转化的门槛。综述特别提及 VeriPsych 蛋白质组学检测板，由 Bahn 教授实验室研发，经多个国际队列验证，并在美国作为实验室自主研发检测项目商业化，用于辅助确认近期发病的精神分裂症，但后因成本过高、市场推广有限而退市。EDIT-B RNA 编辑血液检测已获欧洲 CE-IVD 认证，作为区分双相抑郁与单相抑郁的辅助决策工具，目前已在法国和意大利部署应用。这些是精神病学领域中罕见的、真正实现从实验台到床边转化的分子诊断范例。

当手机成为诊断工具

血液检测捕捉的是一个时刻，智能手机记录的是一段人生。综述认为，数字表型通过弥补静态生物标志物在纵向维度与动态维度上的不足，延伸了生物学方法的边界。智能手机的地理位置数据可揭示与抑郁严重程度相关的活动减少。可穿戴设备的睡眠-觉醒数据显示，昼夜节律的改变可预测双相障碍中的情绪发作，节律延迟先于抑郁发作，节律提前先于躁狂发作。语音录音揭示了抑郁症患者语调改变、发声响度变化及停顿节律的异常。即便是社交媒体帖子也携带诊断信号：活跃于精神病相关论坛的用户，其言语连贯性显著偏低。

生态瞬时评估通过智能手机应用每日多次提示个人报告情绪与精力状态，是否终将取代15分钟临床访谈的静态快照？综述认为这具有可能性，但尚不成熟。目前大多数数字标志物来源于规模偏小或存在选择偏差的队列，效应量有限，缺乏稳健验证。临床医生要像信赖自身临床直觉一样信赖算法对患者手机数据的解读，需要跨越什么样的门槛？这一问题不仅是技术层面的，更深植于人性之中。

人工智能：译者，而非神谕

机器学习与人工智能占据了综述所描述的转化路径中的整合层。Transformer 架构作为 ChatGPT、Gemini 等大型语言模型的基础，具有特别的应用前景，因为它以序列方式处理数据，能够对时序动态与纵向疾病轨迹进行建模。整合基因组学、代谢组学、神经影像学与临床文本的多模态模型，已在通用医疗领域加速研发，HEALnet、多模态图学习及 Med-PaLM M 等架构已展示出对多样化数据类型的适应能力。

然而，综述审慎地将愿景与现实加以区分。人工智能模型在精神病学中的应用，目前仍主要停留于研究阶段，而非临床实施层面。两大核心瓶颈持续存在：数据质量、可及性与数量的不足，以及缺乏稳健的可解释人工智能方法。目前最大的公开精神病学数据集通常包含不足1000个样本。临床数据因隐私顾虑而鲜少共享。在基于人工智能的精神病学决策背后的推理能够变得透明、可解释之前，其应用将面临合理的质疑。

"目前，人工智能模型应被视为辅助临床判断的决策支持系统，而非独立的诊断工具，" 综述共同作者、剑桥大学神经精神病学研究中心及聚合物合成 Melville 实验室研究员 Jihan K. Zaki 表示。"精神病学中的黑箱决策存在重大风险，包括污名化、临床信任的丧失以及医疗法律责任。稳健的可解释性不是可选项，而是确保预测基于有效信号而非伪影的必要条件。"

不可回避的现实障碍

这篇综述最有价值之处，或许在于其拒绝过度乐观的态度。综述详细描绘了实施层面的挑战：生物标志物的可重复性与标准化不足，研究成果向真实世界临床人群的推广能力有限，各国监管的不确定性，同质性训练数据集导致的算法偏差，碎片化的数据基础设施，临床医生对采用新技术的抵力，以及缺乏报销路径。在剑桥等顶尖学术中心研发的创新成果，能否真正惠及撒哈拉以南非洲农村地区的精神科诊所？综述坦然承认：即便是低成本检测或可穿戴设备，若主要部署于资源充裕的医疗体系、或基于过度代表性群体进行训练，也可能加剧健康不平等。

联邦学习允许人工智能模型在去中心化数据集上训练，而无需共享原始患者数据，提供了一条潜在路径。然而，由于数据来源不统一，其在心理健康领域的应用仍十分有限。作者认为，真正意义上的进步，依赖的不是单一算法突破，而是构建透明、可互操作、受伦理治理的数据基础设施这一集体事业。

共识正在形成的领域

尽管议题复杂，综述仍识别出若干正在形成共识的领域。当前类别边界不足以充分反映精神疾病潜在生物学结构，这一判断已获广泛认同。精神疾病间共享遗传结构的证据，如今已得到充分确立。将分子标志物与数字信息、临床信息相结合的多模态数据整合，其价值日益获得认可。或许最重要的是，客观测量手段与人工智能应服务于增强临床判断而非取代之，并应强化有效心理健康照护所依赖的治疗关系，这一共识正在形成。

"通过将科学与技术进步同临床专业知识相结合，精神病学可以建立起一套更加一致、更加个性化、最终更能有效改善患者结局的诊断流程，" Bahn 教授表示。"现在的挑战，不在于是否应朝这个方向迈进，而在于如何以负责任、公平的方式，真正与将要使用这些工具的临床医生和患者携手前行。"

一个处于拐点的领域

这篇综述所呈现的，不是一场即将到来的变革预言，而是对精神病学当前处境与可能到达之处之间地带的清醒测绘。近期的希望是实际可及的：有助于识别精神分裂症治疗反应亚型的炎症与代谢标志物，来自可穿戴设备的昼夜节律数据对即将发生情绪发作的预警，在复杂或早期表现中减少诊断延误的人工智能工具。更长远的愿景则更加宏阔：诊断类别演进为反映潜在机制的实证定义亚型，正如生物标志物分类已改变肿瘤学的面貌。

精神病学真正需要的是一场革命，还是一次精心设计的演进？这篇综述倾向于后者。前行之路所需要的，不是一次单一的跨越，而是经验证的、可解释的、可及的工具的积累，这些工具能够切实整合进真实世界的医疗体系。这一领域数十年来积累了大量原材料：遗传关联、神经影像模式、数字信号、分子图谱。剩余的工作是整合、转化，以及那平淡却不可或缺的实施劳作。树木已经识别。建造森林，才是眼前的任务。

本研究由 Stanley 医学研究所（资助编号 O7R1888）资助给 Sabine Bahn 教授，并由 Oskar Huttunen 基金会资助给 Jihan K. Zaki。

这篇题为"精神障碍诊断增强新途径"的《脑医学》邀请综述已通过开放获取方式免费发布，发布日期为2026年3月10日，可通过以下链接访问：https://doi.org/10.61373/bm026i.0012。

引用参考文献为：Tomasik J, Zaki JK, and Bahn S. New approaches to enhance the diagnosis of psychiatric disorders. Brain Medicine 2026. DOI: https://doi.org/10.61373/bm026i.0012. Epub 2026 Mar 10.

关于《脑医学》：《脑医学》（ISSN：2997-2639，网络版；2997-2647，印刷版）是由 Genomic Press（纽约）出版的高质量医学研究期刊。《脑医学》致力于连接基础神经科学创新与脑医学转化研究，为这一跨学科路径提供新的家园。期刊范围涵盖脑部疾病的基础科学、病因、结局、治疗及社会影响，横跨所有临床学科及其交叉界面。

访问 Genomic Press 虚拟图书馆：https://issues.genomicpress.com/bookcase/gtvov/

我们的媒体网站：https://media.genomicpress.com/

我们的完整网站：https://genomicpress.com/