住院青少年双相谱系障碍风险预测模型的开发与验证：基于前驱症状的机器学习方法

本研究针对青少年精神病住院患者中非精神病性/非双相障碍群体，开发并验证了双相谱系障碍（BSD）风险预测模型。通过前瞻性队列研究和机器学习分析（Lasso-Cox回归），发现亚阈值躁狂样症状（如夸大观念、思维奔逸等）可显著预测BSD转化风险（1年内风险5%，4年内达36%）。该模型具有良好判别效度（AUC=0.72-0.86），为早期干预提供精准工具，对改善双相障碍预后具有重要意义。

　　

双相障碍（Bipolar Disorder, BD）是一种以情绪和能量波动为特征的严重精神疾病，全球患病率超过1%，不仅导致社会功能受损，还与高达20年的寿命缩短相关。更严峻的是，双相障碍通常存在5-10年的诊断延迟，错过了早期干预的关键窗口。特别在青少年群体中，精神病住院患者出现亚阈值症状后如何精准预测其发展为双相谱系障碍（Bipolar-Spectrum Disorders, BSD）的风险，成为临床实践的难点。

以往研究多聚焦于家族高风险群体或回顾性分析，缺乏针对住院青少年的前瞻性预测工具。为此，国际研究团队开展了名为"青少年情绪障碍与精神病研究"（Adolescent Mood Disorder and Psychosis Study, AMDPS）的多中心队列研究，旨在开发首个专门针对精神病住院青少年的BSD风险计算模型。这项突破性研究发表于《Molecular Psychiatry》，为双相障碍的早期识别提供了科学依据。

研究人员采用机器学习技术中的Lasso-Cox回归分析（LCR），对105名12-18岁非精神病性/非双相障碍的住院青少年进行长达5年的前瞻性随访。关键方法包括：使用双相前驱症状访谈量表-全前瞻版（BPSS-FP）评估基线症状；通过Schedule for Affective Disorders and Schizophrenia for School-Age Children（K-SADS-PL）和Structured Clinical Interview for DSM Disorders（SCID）进行诊断确认；采用交叉验证和Bootstrap out-of-bag验证确保模型稳健性；所有分析代码公开在R包"easy.glmnet"中。

研究结果

患者流程与样本特征

从403名知情同意的青少年中，最终纳入105名具有完整随访数据的患者（平均年龄15.6±1.3岁，女性72.4%）。这些患者平均患有3.2±1.8个精神科诊断，以抑郁障碍（81.9%）、焦虑障碍（44.8%）和破坏性行为障碍（41.0%）为主，97.1%在基线期接受精神药物治疗。

BSD发展相关因素

18名（17.1%）患者在随访期内发展为BSD，其中BD-NOS 9例、BD-II 1例、BD-I 8例（5例无精神病性特征，3例伴精神病性特征）。Kaplan-Meier分析显示，考虑失访因素后的累积BSD风险在1年、2年、3年和4年时分别为5%、22%、29%和36%。

单变量分析显示，BSD发展与持续性抑郁障碍（HR=4.0, p<0.018）、心境稳定剂使用（HR=3.9, p=0.006）和ADHD药物治疗（HR=3.3, p=0.023）显著相关。未发现与人口学特征、其他精神科诊断或心理病理评分（如MADRS, CGI-S）的关联。

预测模型与风险计算器

机器学习分析确定BSD发展的关键预测因子包括：夸大观念/自大感的出现（β=0.83）、思维奔逸（β=0.08）、言语迫促的严重程度（β=0.03）和精力增加的严重程度（β=0.04）。这四个预测因子贡献了模型89.2%的预测权重。

模型在随访17-23个月期间表现出可接受至强大的判别能力（交叉验证AUC=0.72；Bootstrap out-of-bag验证AUC=0.86）。研究人员据此开发了在线风险计算器（https://www.imardgroup.com/bsd-risk-calculator），计算公式为：0.833[自大感出现]+0.079[思维奔逸出现]+0.030[言语迫促严重程度]+0.035[精力增加严重程度]。

讨论与结论

本研究首次针对精神病住院青少年开发了BSD风险预测模型，发现约17%的患者在随访期内发展为BSD，且前三年为最高风险期。模型精准识别了亚阈值躁狂样症状（如夸大观念、思维奔逸、言语迫促和精力增加）的预测价值，这些症状此前已被证明与自尊降低、情绪状态恶化和社会接受度下降相关。

与既往研究相比，该模型的独特价值在于：首先，基于前瞻性设计和标准化评估工具（BPSS-FP），减少了临床实践中常见的漏诊和延迟诊断问题；其次，专门针对住院青少年这一高风险群体，填补了该人群预测工具的空白；最后，采用机器学习方法整合多维度临床特征，提高了预测准确性。

研究的临床意义深远：风险计算器可作为决策支持工具，帮助 clinicians 早期识别高风险青少年并实施针对性干预措施。已有研究表明，早期干预（如阿立哌唑治疗和心理干预）可改善症状和功能结局，体育锻炼也可能改善睡眠和心理功能。

然而，研究存在若干局限：约半数参与者缺乏随访数据，可能引入选择偏倚；样本量较小且BSD转化病例有限，统计效能受限；未纳入家族史等重要预测因子；结果主要适用于住院患者，门诊患者的推广需进一步验证。

总之，这项研究为双相障碍的早期预防提供了重要工具，通过识别亚阈值躁狂样症状的存在和严重程度，能够精准预测青少年住院患者的BSD转化风险。未来研究应聚焦于在真实世界环境中验证该计算器的可行性，开展外部验证研究和临床试验，以进一步完善模型并指导早期干预策略的实施。