《Journal of Personalized Medicine》：A Narrative Review of Ethical Issues in Precision Psychiatry: Mapping Unresolved Tensions Across Modalities
编辑推荐：
精准精神病学（Precision Psychiatry）承诺为精神卫生保健提供更客观和有效的方法，然而随着技术进步，其实施引发了日益增长的伦理挑战。本叙事性综述对62项研究中报告的伦理问题进行了定性综合，重点关注核心原则冲突时出现的实际张力。本综述没有围绕传统
精准精神病学（Precision Psychiatry）承诺为精神卫生保健提供更客观和有效的方法，然而随着技术进步，其实施引发了日益增长的伦理挑战。本叙事性综述对62项研究中报告的伦理问题进行了定性综合，重点关注核心原则冲突时出现的实际张力。本综述没有围绕传统伦理原则组织问题，而是将问题映射到精准精神病学的主要模态上，即基因组学（Genomics）、神经影像学（Neuroimaging）、数字表型（Digital Phenotyping）和人工智能驱动干预（AI-driven Interventions）。提出了四个明确的立场。第一，公平必须从一开始就被设计出来，而不能被假定。第二，在一个建立在主观报告基础上的领域，可解释性应胜过准确性上的边际收益。第三，污名是双向的，取决于框架和有意义干预的可及性。第四，个体化护理必须证明其在临床和经济上优于标准化方法。精准精神病学很可能重塑精神科实践和治疗关系本身。跨学科合作、明确的指导方针和持续的伦理警惕对于负责任的采纳和持续的公众信任至关重要。
3.1. Advantages
治疗分层可将患者匹配至最适宜的干预措施，减少无效治疗；基于生物标志物的早期筛查能延缓精神障碍进展；对高风险人群的密切监测可降低疾病严重程度和慢性化，改善生活质量；预后信息赋予患者控制感，促进行为改变并减少污名化；共享遗传检测结果可加强家庭关系，推动去家长式决策。医师有道德义务提供最佳治疗，精准精神病学在慢性严重障碍（如精神病性障碍）中有望实现这一目标。
3.2. Disadvantages—Areas of Concern
3.2.1. Risk of Bias and Unequal Representation
多基因风险评分（Polygenic Risk Scores, PRS）通常基于多数人群样本，导致少数群体、边缘化群体的预测准确性降低，加剧诊断和治疗差距。例如，针对年轻人的抑郁风险预测器可能低估老年人风险。种族间的遗传变异（如CYP2D6和CYP2C19细胞色素差异）带来临床后果。建议在算法设计中纳入代表性抽样和子组校准（Subgroup Calibration），将公平作为设计阶段而非事后修正的要求。
3.2.2. Inequalities in Access and Limitations in Precision, Validity and Generalisability
获得精准精神病学服务存在不平等，严重精神障碍患者（如重度抑郁症、精神分裂症）可能因症状严重或社会退缩而退出，扩大与轻度障碍患者的差距。经济不平等使资源匮乏群体无法获得基因组测序、高级神经影像学和神经调控技术。种族和少数民族预后更差，系统性偏见和分类不匹配固化不平等。预测准确性未能跟上数据增长，模型整合多种生物学数据（基因组学、转录组学、蛋白质组学、代谢组学、微生物组信息）仍困难，需在不同人群中验证模型以提升泛化性（Generalisability）。
3.2.3. Potential for Misinterpretation
过度强调生物学和遗传因素可能造成还原论（Reductionism），忽视心理社会和环境因素，削弱整体方法。对算法的不加批判依赖威胁患者自主权和临床判断。事后解释和虚假理解可能使临床医生产生过度自信。需保持谨慎乐观，避免夸大益处。
3.2.4. Explainability and Interpretability of AI
许多预测模型具有黑箱（Black-box）性质，缺乏可解释性（Explainability）和透明度，损害知情同意和信任。建议优先使用白盒（White-box）模型或贝叶斯网络模型，因其编码因果关系并允许审查因素大小和方向。在精神科，由于诊断依赖主观报告，可解释性具有临床权重；当性能相当时，应优先选择可解释模型。
3.2.5. Cost–Benefit Balance
精准精神病学技术复杂、实施成本高，资源有限环境中负担更重。早期工具可能成本效益不足，但药物遗传学检测（如氯氮平所致粒细胞缺乏症、卡马西平所致Stevens–Johnson综合征）和有分层策略的抑郁症治疗已显示出前景。需持续评估风险和收益，考虑长期支出、残疾调整生命年及医疗资源利用。
3.2.6. Reduced Perceived Benefit
患者需看到实质性临床结果，但当前框架可能忽略依赖人际互动的细微因素。对技术依赖和去人性化（Dehumanisation）的担忧普遍存在，模拟治疗对话缺乏真实治疗的深度。临床医生可能因有限益处或担忧比较而抵制新方法。应优先为难治性、非典型表现及高风险患者提供精准干预，同时整合社会支持、生活环境和职业因素。
3.2.7. Risk of Commercialisation
精神健康应用和预测性测试的过早商业化，缺乏可靠性或患者效用，可能造成伤害。与营利实体共享患者数据引发伦理问题。需严格监管以防止利益冲突、不当压力和忽视替代方案。
3.2.8. Stigma and Response to Prognostic Information
早期风险标记可导致社会污名化和自我污名（Self-stigma），影响患者情绪状态和求助行为。生物学解释可能减少责备但加剧决定论思维和低期望。披露预后信息前需评估是否有有意义的干预措施，若无，则谨慎披露。
3.2.9. Informed Consent and Autonomy
知情同意需清晰、透明、适合患者理解水平，避免专业术语和说服性信息。患者应有权选择接收哪些结果。在未成年人或认知障碍患者中，同意能力受限，需特别关注。
3.2.10. Confidentiality
大规模表型、生物学和神经影像数据需要严格保障，防止未经授权访问和歧视。加密技术（如同态加密）、数据碎片化和联邦学习可保护隐私。跨境数据库操作和再识别风险需注意。患者对数据使用应有发言权。
3.2.11. Feasibility
缺乏干预措施时，风险告知可能降低测试价值并损害福祉。但部分患者仍能从信息中获益，密切随访可缩短未治疗疾病持续时间。鼓励患者参与工具开发、共享决策和合作参与可提高依从性。
3.2.12. Education
实施精准精神病学需要所有参与者的教育，包括遗传学、表观遗传学、神经影像学和人工智能（Artificial Intelligence, AI）的理解。持续培训沟通、模型输出解读、统计和信息系统技能。跨学科合作和数字导航员角色有助于集成AI。
3.2.13. Counselling
精神科遗传咨询的重要性日益增加，遗传咨询师和临床医生各有优势，聊天机器人可支持心理教育，但需防范错误信息。
3.2.14. Screening and Intervention in Minors
未成年人中的预测模型需谨慎，风险知情可能损害儿童自我概念和心理健康。早期干预若能预防成年期疾病则有正当性，但需考虑未成年人自身的视角和同意能力。神经刺激和基因组干预对发育中大脑的影响需跨学科工作。
3.2.15. Prenatal Screening and Reproductive Choice
预测精神障碍影响生殖决策，但产前筛查和基于不良结果终止妊娠因污名化和优生学含义而支持有限。
3.2.16. Forensic Medicine and Forensic Psychiatry
精准方法可改善治疗监测和预防，但引入行为遗传学（Behavioural Genetics）可能导致风险评估优先于个体化治疗、强化社会不平等、侵蚀无罪推定。过度依赖概率性遗传评估可能使严重精神障碍与犯罪暴力过于关联。
3.3. Need for Guidelines
精准精神病学需要清晰的操作标准和指南，涵盖数字健康技术、生物标志物、人工智能（AI）、诊断测试和基因组分析。当前监管框架存在缺口，导致结果误读和商业利益优先。标准协议、许可平台、伦理审查委员会监督和跨学科团队监管对遵守核心伦理原则（自主、仁慈、无害、公平、透明、信任）至关重要。
4.1. Key Insights
总体而言，风险预测工具和个性化干预获得积极看法，但非普遍。沟通、数据收集、污名处理和有意义干预的可及性影响认知。严重的伦理问题包括：生物决定论与社会污名交织；筛查在未成年人中的特殊保护需求；经济现实与标准化治疗倾向之间的矛盾。跨学科协作、透明指南和持续伦理评估是负责任的实施基础。
4.2. What This Review Adds
本综述提出四个明确立场：（1）公平必须作为设计要求从设计阶段纳入，而非事后修正，通过代表性抽样和子组绩效报告实现；（2）在精神科，可解释性优先于准确性，当白盒模型性能可比时优先采用，若黑盒模型更准确则需明确解释不能说明的部分并赋予临床医生否决权；（3）污名是双向现象，生物学解释可减少自我责备但增加决定论，风险披露需与有意义干预挂钩；（4）个性化护理必须证明其临床和经济学优越性，公共资金对保障弱势群体可及性必不可少，成本效益而非新奇性应作为采纳阈值。
4.3. Limitations
本综述限于英文文献，检索仅基于PubMed和Google Scholar两个数据库，筛选主要由单一评审者进行，存在选择偏倚风险；未进行正式质量评价，解释性综合应视为领域地图而非证据强度评估。然而，近期综述文章占主导并具有国际代表性，增强了相关性和泛化性。
