虚拟临床访谈中自发性头部运动预测精神病高危青年12个月临床结局

《Schizophrenia》：Spontaneous head movements during virtual clinical interviews help predict 12-months clinical outcomes in youth at clinical high risk for psychosis

本研究针对精神病临床高危（CHR）人群的临床轨迹预测难题，通过分析虚拟临床访谈中10分钟视频的自发性头部运动，发现头部运动总量与基线期阳性症状（p=0.37）、阴性症状（p=0.28）及社会功能（GFS，p=-0.33）显著相关，并能预测12个月后意志缺乏（N2，R2=0.36）和注意力障碍（D3，R2=0.24）的恶化。研究首次证实基于视频的自动头部运动分析可作为CHR人群症状严重程度和远期预后的客观生物标志物，为早期干预提供可量化工具。

　　

在精神病学领域，早期识别具有 psychosis risk 的个体并预测其临床转归一直是研究的重点难点。临床高危（Clinical High Risk, CHR）状态作为精神病前驱期的重要阶段，患者虽未达到完全性精神病诊断标准，但已出现亚阈值精神病性症状和社会功能显著受损。然而，现有预测工具多依赖主观临床评估，缺乏客观、可量化的生物行为标记。值得注意的是，运动异常已被证实是 psychosis vulnerability 的核心特征之一，但社交情境中的运动行为——尤其是临床访谈这一常见场景中自然产生的头部运动——其预测价值尚未被充分挖掘。

为突破这一瓶颈，由美国西北大学领衔的多中心研究团队开展了一项创新性探索。研究人员假设，在虚拟临床访谈中捕捉的自发性头部运动，可能蕴含反映CHR个体症状严重程度和远期预后的关键信息。该研究发表于《Schizophrenia》期刊，其独特之处在于将日常化的临床评估场景（虚拟访谈）与前沿的计算机视觉技术相结合，试图为精神病早期预警开辟一条自动化、可扩展的新路径。

研究团队采用了几个关键技术方法：首先，他们从美国6个研究中心招募了72名符合SIPS（Structured Interview for Psychosis-Risk Syndromes）标准的CHR青年参与者，并在基线期和12个月后分别进行在线临床评估。核心数据来源于基线期10分钟虚拟访谈视频，使用开源工具MediaPipe Face Mesh自动提取参与者鼻子标志点的三维运动时序数据。

通过对运动时间序列进行滤波、归一化处理，并计算欧几里得距离之和来量化头部运动总量。统计分析采用Spearman相关考察基线关联，分层线性回归则用于检验头部运动对12个月后症状的预测效应，并控制基线症状的影響。

基线期症状与功能变化

纵向数据显示，在12个月期间，整个样本的阳性症状、阴性症状和混乱症状均显著减轻，社会功能（GFS）显著改善，但角色功能（GFR）未见变化。具体而言，约67.8%的参与者阳性症状改善，57.6%的阴性症状改善，但同时仍有相当比例参与者症状恶化或稳定，凸显了CHR群体异质性及精准预测的必要性。

头部运动与基线症状的横断面关联

相关性分析证实，头部运动总量与SIPS评估的社交快感缺失（N1）、意志缺乏（N2）以及阳性、阴性症状子量表得分均呈正相关。同时，更多头部运动与社会功能（GFS）得分较低相关。这表明在访谈中表现出更频繁头部运动的CHR个体，其当时的社会动机缺乏和症状负担可能更重，社会适应也更差。

头部运动对远期症状的预测价值

更具临床意义的是，基线头部运动显示出对12个月后特定症状的预测能力。线性回归表明，即使控制了基线症状严重程度，更多的基线头部运动仍能独立预测12个月后意志缺乏（N2）和注意力困难（D3）的恶化。分层回归进一步揭示，基线头部运动为12个月后的意志缺乏增加了8.6%的解释方差，为注意力困难增加了6.3%的解释方差。最终模型对意志缺乏和注意力困难的预测方差解释率分别达到36%和24%。

讨论与意义

本研究首次在虚拟访谈背景下系统证实，自发性头部运动可作为CHR人群症状严重程度和临床转归的敏感行为标记。其意义在于：第一，头部运动增多可能反映了与精神病风险相关的神经运动功能障碍，如基底节-前额叶环路异常，该环路同时调控运动控制和社交认知；第二，在社交互动中产生的头部运动，可能不仅体现运动异常，更映射出更广泛的社交认知缺陷，例如难以计划和组织适应社交情境的行为；第三，研究所采用的自动化视频分析技术极大降低了传统人工编码的成本和主观性，为未来开发 scalable 的客观风险评估工具奠定了基础。

尽管存在未评估随访期运动变化、虚拟环境与真实互动差异等局限，但本研究无疑为精神病早期识别提供了重要新视角。它提示，那些在看似普通的临床访谈中“不安分”的头部晃动，或许正悄悄诉说着个体内在的神经发育轨迹与未来的症状走向。将这类细微、自然的行为信号纳入风险评估框架，有望推动早期干预向更精准、更客观的方向迈进。