基于自然语言处理的颞下颌关节紊乱患者主诉分析：揭示疼痛体验与功能受限的语言模式

本研究针对颞下颌关节紊乱(TMD)患者主诉评估的临床挑战，采用自然语言处理(NLP)技术分析2237例患者的开放式文本报告。通过主题建模、概念映射和词典分析，揭示了患者疼痛描述的语言特征、功能受限模式及诊疗期望，为生物心理社会框架下的精准医疗提供了新视角。研究证实NLP技术能有效捕捉问卷评分无法反映的主观体验，对改善医患沟通和共享决策具有重要意义。

　　

颞下颌关节紊乱(TMD)患者常常面临诊断困境——他们的主观疼痛体验与临床检查结果往往存在"感知鸿沟"。这种脱节不仅影响诊疗效果，更导致患者陷入"疼痛-困惑-焦虑"的恶性循环。传统Likert量表问卷虽能量化症状，却难以捕捉"咀嚼时右侧关节弹响伴随耳鸣"这类复杂主诉中的情感维度与生活影响。当患者抱怨"无法正常进食影响工作表现"时，临床医生需要更精准的工具来解码这些语言背后的生物心理社会信息。

苏黎世大学（University of Zurich）数字社会倡议(DSI)的研究团队在《The Journal of Headache and Pain》发表创新研究，首次将自然语言处理(NLP)技术系统应用于口颌面痛患者的文本分析。研究人员收集了2237例患者在网络化跨学科症状评估(WISE)系统中书写的11万余字主诉文本，运用主题建模、概念映射和LIWC词典分析三种方法，揭示了患者语言中隐藏的疼痛模式与心理特征。这项研究为疼痛医学领域提供了全新的数字化评估范式。

关键技术包括：1)基于R语言的结构化主题模型(stm)分析合并文本字段；2)使用Gephi软件构建200个高频词的概念映射，通过ForceAtlas算法呈现语义关联；3)应用德语版LIWC词典进行语言风格分析。所有数据来自2017-2025年间就诊于苏黎世大学牙科医学中心疼痛门诊的患者队列。

主题建模揭示十大疼痛模式
通过贝叶斯概率计算，研究识别出10个核心主题。占比17%的主题5聚焦颞下颌关节(Kiefergelenk)与耳部(Ohr)症状的空间特征；主题4整合了头痛(Kopfschmerzen)与牙痛(Zahnschmerzen)等多部位疼痛；主题8突显患者对病因(Ursache)和诊断(Diagnose)的强烈诉求。值得注意的是，主题7揭示了传统问卷易忽略的工作(arbeiten)和睡眠(schlafen)障碍，而主题1中耳鸣(tinnitus)与病程描述词"多年(Jahren)"的共现，暗示慢性合并症的语言标记。

概念映射可视化语义网络

这张由200个高频词构成的概念地图生动展现了症状-功能-期望的三角关系。左区聚集"右侧(rechts)"、"头痛(Kopfschmerzen)"等定位词汇；右上区凸显"咀嚼(kauen)"、"说话(sprechen)"等功能受限；右下区则集中"无痛(schmerzfrei)"、"治疗(Behandlung)"等期望表达。最令人惊讶的是，"工作(Arbeit)"与"金钱(Geld)"出现在图形中心，暗示经济压力是连接症状与治疗期望的潜在枢纽。

语言风格暴露情感创伤

引入LIWC分析后，概念地图获得心理学深度。主诉区富含身体(body)和负面情绪(negemo)词汇；功能受限区现出当下时态(present)和休闲活动(leisure)中断；期望区则充满未来时态(future)和认知过程(cogproc)词汇。特别值得注意的是，疑问词(interrog)和试探性表达(tentat)的广泛分布，证实患者普遍存在"我的疼痛正常吗？"这类存在性焦虑。

这项研究开创性地证明，NLP技术能有效解码疼痛语言中的生物心理社会信息。主题建模识别出传统问卷遗漏的耳鸣-睡眠-工作障碍三联征；概念映射直观呈现经济压力在疼痛体验中的核心地位；而LIWC分析则首次量化了TMD患者特有的认知不确定特征。这些发现为开发智能化的疼痛评估工具奠定基础，未来可整合到电子病历系统实现实时分析。当临床医生能同时看到"疼痛评分7/10"和"语言特征提示存在工作相关焦虑"，诊疗决策将真正实现生物心理社会模型的理想。正如研究者Ettlin和Wolf强调的，这项技术不仅提升诊疗精准度，更重要的