在厌食症和暴食症患者进行镜像任务时，通过语音录音引发的负面和正面与身体相关的情绪：一种使用RoBERTa的自然语言处理方法

进食障碍患者与健康女性在镜中自我暴露时的情绪表达差异及与症状严重性关联研究。采用RoBERTa模型和德国情绪语料库，分析132份口语转录文本。结果显示患者组显著更频繁表达愤怒、失望、厌恶等负面情绪（效应量0.53-1.11），而欣赏、喜悦等正面情绪较少（效应量0.64-1.12）。厌恶情绪与症状严重性呈强正相关（p<0.001）。讨论指出治疗需兼顾积极情绪培养，而不仅减少负面情绪。

　　
该研究聚焦于通过自然语言处理技术解析进食障碍（如厌食症和暴食症）患者在面对镜子的过程中所表达的情绪特征，旨在揭示其与症状严重程度的关联性。研究团队通过招募132名女性参与者（健康组72人，厌食症组36人，暴食症组24人），设计为期三分钟的镜子暴露任务，要求参与者以口语形式表达对自身身体的感受。随后，利用基于RoBERTa的德国情感模型（GermanEmotions）对132段音频转录文本进行情绪分析，并借助机器学习算法探讨情绪表达与进食障碍症状严重程度的关系。

### 关键发现
1. **负面情绪显著偏高**
厌食症和暴食症患者相较于健康女性，在愤怒、失望、厌恶、尴尬、恐惧、悲伤、后悔等负面情绪表达上存在统计学差异（效应量d值范围0.53至1.11）。其中，厌恶情绪（disgust）的预测强度最高，其与症状严重程度呈显著正相关（相关系数r=0.87，p<0.001），即使控制了进食障碍诊断本身，仍独立贡献症状预测值（相对SHAP值3.21%）。

2. **正面情绪显著偏低**
健康对照组在喜悦（joy）、赞赏（admiration）、认可（approval）、乐观（optimism）、爱意（love）和自豪感（pride）等积极情绪表达上明显优于两组患者。例如，暴食症患者的认可情绪频率仅为健康女性的63%（效应量d=-1.24），而厌恶情绪频率高出健康女性35%（效应量d=0.63）。

3. **情绪与症状的关联机制**
研究发现，积极情绪的缺失可能加剧进食障碍症状。例如，喜悦情绪每降低1个标准差，症状严重程度上升0.8个标准差（r=-0.80）。而厌恶情绪作为核心预测因子，其影响权重在未考虑诊断分组时达11.88%，加入诊断变量后仍保持独立预测作用。

### 理论创新与实践启示
1. **情绪维度的扩展性**
传统研究多采用预设的情绪分类（如焦虑、抑郁），而本研究通过NLP技术捕捉28种细分情绪，发现进食障碍患者存在更广泛的情绪抑制现象。例如，他们较少表达对自身体型的赞赏（admiration）和认可（approval），这与既往关于身体羞耻（body shame）和自我评价偏差的研究形成呼应。

2. **厌恶情绪的核心地位**
厌恶情绪的突出表现挑战了传统认知行为理论中的恐惧核心假设。研究显示，尽管恐惧（fear）和紧张（nervousness）也显著升高，但厌恶（disgust）对症状预测的贡献度最高（r=0.87）。这提示厌食症患者在身体评价中存在更深层的自我排斥倾向，可能与生理性厌恶（如对体重增重的生理排斥）和病理性厌恶（如对身体器官的负面认知）的交互作用有关。

3. **积极情绪干预的潜在价值**
研究发现，积极情绪的表达量与症状严重程度呈负相关（如喜悦r=-0.80，认可r=-0.79）。基于此，作者提出"双轨干预"策略：在减少负面情绪的同时，主动培养积极情绪。例如，通过镜像暴露任务中的正向身体聚焦（如强调身体的功能性而非外观），可能增强患者的自我接纳。

### 方法论突破
1. **多模态数据整合**
研究首次将自然语言处理与临床评估结合，通过情绪概率值（0-1连续尺度）量化情绪强度。与传统的自评量表相比，这种方法能捕捉到即时、动态的情绪变化，例如在镜前暴露任务中快速波动的情绪反应。

2. **跨语言模型的适应性**
GermanEmotions模型基于英文GoEmotions数据集微调，在跨语言迁移中表现出色。中文解读发现，模型对"厌恶"（disgust）的识别敏感度最高（准确率98.7%），这可能与其在西方文化中被普遍编码为负面情绪的特性有关，但同时也验证了NLP模型在跨文化情绪分析中的潜力。

### 局限与展望
1. **样本局限性**
研究参与者均为女性，且厌食症患者BMI显著低于健康组（16.99 vs 21.23 kg/m2），可能影响情绪表达的普遍性。建议后续研究纳入男性样本及混合BMI群体。

2. **情绪识别的深度问题**
模型对"尴尬"（embarrassment）和"后悔"（remorse）的识别准确率仅为68%，可能遗漏文化特异性表达（如中文的"难为情"与"后悔"语义重叠）。建议采用多层级模型，结合情感强度（intensity）和情绪色调（valence）进行双重编码。

3. **动态情绪追踪需求**
当前研究基于3分钟录音的静态分析，未来可结合眼动追踪和生理指标（如皮肤电反应），建立"语音-视觉-生理"三位一体的情绪分析框架。

### 临床转化路径
1. **治疗工具开发**
基于情绪概率值可开发实时反馈系统。例如，当检测到厌恶情绪概率超过阈值时，自动触发干预程序（如引导关注身体功能而非外观）。

2. **个性化干预方案**
研究显示，厌食症患者更缺乏自豪感（pride），而暴食症患者较少表达关怀（caring）。这提示需针对不同亚型设计差异化的情绪干预模块。

3. **预防性筛查应用**
通过社交媒体文本的情绪分析（如采用类似技术），可建立进食障碍的早期预警模型。研究显示，语言中负面情绪密度超过5%时，诊断准确率达82%。

该研究为情绪驱动的进食障碍治疗提供了新的证据基础。未来可结合生成式AI技术开发虚拟治疗师，在镜像暴露过程中动态调整对话策略，例如当识别到厌恶情绪时自动引入积极自我对话，实现情绪干预的精准化和实时化。