精神分裂症中基于语音的条目级症状严重程度自动化建模

重要性：言语携带当前心理状态的微妙指标，这一现象在精神病学评估中常规使用。尽管具有潜力，定量言语分析尚未整合到临床护理中。目的：识别自然言语的哪些特征与精神病患者症状严重程度的并发变化相关。设计、设置和参与者：这项纵向多中心队列研究在荷兰进行（2017年6月7日至2025年7月31日），纳入患有精神分裂症谱系障碍的成年患者（年龄≥18岁），他们完成了长达8年的重复临床和言语评估。研究结果在美国的纵向队列（2021年3月1日至2022年12月1日）中得到了重复。主要结局和措施：使用阳性与阴性症状量表（PANSS）（荷兰队列）或简明精神病评定量表（美国队列）测量个体症状严重程度。言语样本被转换为可解释的人工智能衍生的语音和文本特征，并使用主成分分析进行降维。使用线性混合模型估计关联，并调整人口统计学特征和时间点。通过平均绝对误差（MAE）和R2量化估计准确性。结果：在荷兰队列中，分析了来自356名参与者（平均[SD]年龄，30.4[10.3]岁；257名男性[72.2%]）的773份言语录音，在美国队列中，分析了来自72名参与者（平均[SD]年龄，26.4[5.2]岁；46名男性[64.8%]）的165份言语录音。在荷兰队列中，基于言语的模型以具有临床意义的准确性检测到个体精神病症状，条目级MAE小于1分（量表1-7），与PANSS评分者培训中使用的1分一致性幅度相当。模型与PANSS阳性和阴性分量表评分相关，MAE分别为2.85和3.22，分别解释了13.4%和17.8%的方差，远低于用于标记不可靠PANSS评分的20%阈值。在美国重复队列中，简明精神病评定量表思维障碍和退缩评分与相似的MAE相关（分别为3.0和2.4），分别解释了31.0%和21.5%的方差。在荷兰队列中，阴性症状与言语输出减少（估计值，2.46 [95% CI，1.05-3.88]）和声音轮廓平坦（估计值，0.29 [95% CI，0.10-0.48]）相关，而阳性症状以较长的语句（估计值，1.18 [95% CI，0.08-2.29]）和改变的语篇组织（估计值，-0.25 [95% CI，-0.48至-0.02]）为特征。结论和相关性：这项对精神分裂症患者的队列研究发现，精神病症状在自然言语中留下特定、可解释的特征，可以量化、纵向跟踪，并在队列间重复。基于言语的建模实现了具有临床意义的症状级估计，为可扩展、低负担的实时精神病监测工具提供了坚实基础。