基于自然语言处理（NLP）衍生的RDoC评分与精神科电子健康记录（EHR）中抑郁、快感缺失和焦虑的个体水平聚合效度与区分效度研究

《NPP—Digital Psychiatry and Neuroscience》：Alignment of natural language processing-derived RDoC scores with depression, anhedonia, and anxiety in psychiatric electronic health records

　　

传统分类诊断通常无法捕捉抑郁和焦虑等精神障碍的维度性质。自然语言处理（Natural Language Processing, NLP）为从临床文档中提取与精神病理学相关的维度构念提供了有前景的方法。在这项横断面研究中，研究人员分析了来自McLean Hospital并纳入“Psychometrics at McLean”（PAM）研究的358例精神科患者的临床记录，以检验NLP衍生的研究领域标准（Research Domain Criteria, RDoC）构念与抑郁、快感缺失和焦虑心理测量评估之间的一致性。使用先前在组水平验证过的NLP方法提取阳性效价系统（Positive Valence Systems, PVS）和阴性效价系统（Negative Valence Systems, NVS）的RDoC评分，并与标准化临床评估进行比较：阳性效价系统量表（Positive Valence Systems Scale, PVSS）、抑郁症状快速自评量表（Quick Inventory of Depressive Symptomatology, QIDS）、Snaith-Hamilton快感量表（Snaith-Hamilton Pleasure Scale, SHAPS）和广泛性焦虑障碍-7（Generalized Anxiety Disorder-7, GAD-7）。观察到抑郁（QIDS）与PVS（β = ?0.42，p = 0.008）和NVS（β = 0.45，p = 0.015）均显著相关；快感缺失（SHAPS）与PVS（β = ?0.39，p = 0.005）和NVS（β = 0.36，p = 0.030）均显著相关；焦虑（GAD-7）与NVS（β = 0.29，p = 0.049）显著相关，但与PVS不相关。这些结果与理论解释一致，即PVS和NVS均参与抑郁，而焦虑主要涉及NVS。这些发现表明NLP衍生的RDoC评分与既有临床测量一致，提供了与症状基础测量之间的聚合效度证据以及区分效度证据，最显著的是焦虑与NVS的选择性关联。NLP衍生的RDoC评分可能为表征维度精神病理学提供可扩展的方法；然而，在支持治疗反应监测等应用前，仍需纵向和预测性验证。

研究背景方面，重性抑郁障碍（Major Depressive Disorder, MDD）和焦虑障碍全球患病率高，是致残的重要原因，并伴随个人痛苦、功能受损、慢性躯体疾病和过早死亡风险。当前精神科传统分类诊断主要依据《精神障碍诊断与统计手册》（Diagnostic and Statistical Manual of Mental Disorders, DSM）和《国际疾病分类》（International Classification of Diseases, ICD），但常难以敏感捕捉症状表现的异质性和维度性质，限制了对潜在机制和个体化干预的理解。为此，美国国家精神卫生研究所提出研究领域标准（Research Domain Criteria, RDoC）框架，强调跨诊断、维度化地考察负性效价系统、正性效价系统、认知系统、社会过程、唤醒与调节系统及感觉运动系统等核心域。其中，阳性效价系统（Positive Valence Systems, PVS）和阴性效价系统（Negative Valence Systems, NVS）与抑郁和焦虑尤为相关：PVS涵盖奖赏反应、奖赏学习和奖赏估值，在抑郁中常表现为快感缺失和目标导向行为减少；NVS指对厌恶情境的急性和持续反应，包括急性威胁、潜在威胁和持续威胁，在抑郁和焦虑中常升高。近年自然语言处理（Natural Language Processing, NLP）可从电子健康记录（Electronic Health Records, EHR）中高通量提取精神科表型。McCoy等先前证明可从精神科临床记录中衍生RDoC症状维度，且公开的CQH-Dimensional-Phenotyper已在大型EHR队列中与自杀及意外死亡风险、痴呆风险、精神科急诊结局和COVID-19住院结局等关联，但主要在群体或人群水平验证。研究人员尚缺乏在个体患者水平、与同日采集的标准化抑郁、快感缺失和焦虑心理测量进行验证的研究。因此，本研究将分析单位从群体结局关联转向个体水平验证，检验NLP衍生RDoC评分的聚合效度和区分效度。

关键技术方法方面，研究样本来自McLean Hospital的“Psychometrics at McLean”（PAM）项目，为358例精神科住院患者，共纳入8739条每日临床记录，记录由精神科医师、护士、团体治疗师和心理健康专家在心理测量评估当日撰写。NLP评分采用McCoy等开发并公开实现的方法，结合词典法和主题建模，从非结构化临床文本中提取PVS、NVS、认知、唤醒和社会过程五个RDoC域；该方法不做否定检测。心理测量工具包括QIDS、SHAPS、GAD-7和PVSS。统计分析使用R 4.1.0，进行Pearson相关、多元线性回归，控制年龄、性别和其他RDoC域，并计算方差膨胀因子（Variance Inflation Factors, VIF），采用完整病例分析。可用样本为PVSS n=323、QIDS n=101、SHAPS n=127、GAD-7 n=153。

研究结果中，“RDoC域与临床测量之间的相关模式”显示，年龄和性别的VIF较低，均小于1.10；RDoC域中唤醒调节和认知域存在中到高度多重共线性，VIF为3.46–4.63，NVS、PVS和社会域VIF为2.11–3.68，但均低于常用阈值5，故保留所有预测因子。双变量相关显示，RDoC域之间相关较强，r=0.54–0.79；词典词汇重叠较小，Jaccard指数为0.006–0.184，提示域间相关不太可能仅由词典直接重叠解释，更符合症状共存和记录模式共享。认知与唤醒域r=0.75，认知与社会域r=0.72，NVS与唤醒域r=0.79。临床测量中，抑郁（QIDS）与快感缺失（SHAPS）强相关，r=0.60，二者均与PVSS负相关，r分别为?0.49和?0.46。RDoC域与临床测量的双变量相关较温和，因此研究人员进一步拟合多元回归。“多元回归分析”显示，控制年龄、性别和其他RDoC域后，PVS与抑郁（β = ?0.42，p = 0.008）和快感缺失（β = ?0.39，p = 0.005）显著负相关；NVS与抑郁（β = 0.45，p = 0.015）、快感缺失（β = 0.36，p = 0.030）和焦虑（β = 0.29，p = 0.049）显著正相关；PVS与PVSS显著正相关（β = 0.20，p = 0.013），支持NLP衍生构念的聚合效度。其他RDoC域在控制变量后与临床测量无显著关联。模型R²范围为0.04（PVSS）至0.18（QIDS）。部分系数绝对值超过双变量相关，可能反映域间共线性下的统计抑制，研究人员谨慎解释。尽管域间相关显著，NVS是唯一与焦虑显著相关的效价域，而PVS和NVS均与抑郁和快感缺失相关，支持区分效度。比较完成与未完成各问卷的患者，未发现人口学特征或NLP衍生RDoC域评分存在一致差异；多变量分析也未发现纳入各问卷分析样本的独立预测因子。

讨论部分总结认为，本研究发现支持NLP用于精神症状维度评估。需要精确理解效度性质：所用QIDS、SHAPS、GAD-7和PVSS是症状严重度测量，而非美国国家精神卫生研究所RDoC矩阵中的跨诊断构念水平工具，因此证据支持与症状严重度的聚合和对症状维度的区分，并非验证RDoC构念本身。第一，PVS和NVS均与抑郁和快感缺失相关，强调MDD兼具奖赏系统缺陷和负性情感增强，与当代神经生物学模型及神经影像学发现一致；快感缺失可能同时涉及正性效价缺陷和负性效价增强，提示评估不应仅关注奖赏缺陷。第二，焦虑选择性关联NVS，而未显著关联PVS，提示焦虑主要表现为负性情感系统过度活跃，与广泛性焦虑障碍等威胁相关刺激下杏仁核和岛叶活动增强的影像学发现一致；但横断面数据不能推断不同表现的治疗疗效差异。RDoC域间高相关和VIF升高提示NLP算法捕捉的构念存在重叠，但词典词汇重叠小，未来可通过更具语境感知的自然语言理解或扩展词典改进区分。本研究扩展了先前主要在群体水平验证的方法，个体水平与同日症状测量一致是未来患者级研究和临床应用的前提。局限性包括：单中心、相对同质人群；未纳入药物、共病和评估时间等协变量；语言来自临床医生而非患者；NLP流程无否定检测，可能混淆肯定与否定提及；横断面设计且四个量表来自不同且部分不重叠子样本，n=101–323，限制效应量比较和时序推断；多重共线性较高；模型R²较低，为0.04–0.18，提示仍需纳入更多临床和潜在生物标志物。

结论部分翻译为：总之，本研究证明使用NLP从精神科EHR中提取临床相关RDoC评分具有可行性。观察到的NLP衍生PVS/NVS评分与标准化心理测量评估之间的关联，提供了与临床评估症状严重度收敛的证据。该方法在临床实践和研究中可能具有潜在应用。未来研究应探索这些评分的纵向稳定性、其在预测治疗反应中的效用，以及其与生物学测量的整合，以推进对精神障碍神经生物学基础的理解。采用重复测量和个体RDoC轨迹的纵向设计，将有助于评估其对临床变化的敏感性。从临床角度看，NLP衍生RDoC评分可能为大型患者队列，包括医院系统内基于人群的样本，提供可扩展的症状维度评估方法。更广泛和多样化的数据集应用对确立稳健性和普适性很重要。方法学上，新的大语言模型可能补充现有NLP流程，改善从临床文本中提取具有时间和语境限定的症状信息，并可能更精确重建纵向RDoC域谱，同时保持与既有基于词元方法的兼容性。鉴于大语言模型的成本和可扩展性限制，相当一部分相关收益可能通过较轻量添加实现，最直接的是加入否定检测组件（如NegEx/ConText）以过滤否定提及，或仅对已由词典匹配识别的文本片段使用语言模型进行再判定。