综述：机器学习模型预测精神分裂症复发的差异性预测性能：行为与生理被动传感器的比较——系统评价与荟萃分析

《Asian Journal of Psychiatry》：Differential predictive performance of machine learning models for schizophrenia relapse prediction using behavioral versus physiological passive sensors: A systematic review and meta-analysis

　　

## 摘要

在全球范围内，约1%的人口会罹患精神分裂症，即使接受最佳治疗，超过80%的患者仍会出现复发。复发预后非常重要，需要早期识别；然而，临床上通常不会常规进行此项评估，传统的临床监测也无法反映症状的实时变化。智能手机和可穿戴设备中被动感知技术的兴起，使得对复发风险的行为和生理标志物进行持续、客观的监测成为可能。本系统综述与Meta分析旨在评估行为传感器、生理传感器以及多模态方法在预测精神分裂症谱系障碍患者复发方面的预测效度。遵循PRISMA 2020指南，检索了PubMed、Google Scholar、Scopus、IEEE Xplore、ArXiv和PsycInfo数据库（2015-2025年），并结合关键研究的前向与后向引文追溯搜索以补充检索策略。在741条记录中，纳入55项研究，其中50项纳入Meta分析。行为传感器、生理传感器和多模态系统的合并AUC分别为0.720、0.729和0.806，多模态系统表现最佳。在本研究集合中，总体而言，深度学习模型的表现优于经典机器学习方法（AUC 0.789 vs. 0.719），且样本量较大的研究显示出更高的预测准确性。通过偏倚风险评估的方法学质量总体较高。总体而言，多模态被动感知显示出最佳的预测准确性，可能有助于临床环境中的复发持续监测。

## 引言

精神分裂症是最具致残性的精神疾病之一。根据世界卫生组织的数据，全球约有2400万人患有精神分裂症（Adler等，2020；Tandon，2024）。该病呈慢性复发性，患者即使接受最佳药物治疗仍会持续经历症状（Adler等，2020；Zhou等，2022）。每次复发发作都会加剧功能恶化和药物耐药性（Depp等，2019）。复发不仅带来经济负担，其严重后果还包括对生活质量（QoL）的负面影响，涉及就业、社交生活以及独立生活的能力（Hays等，2020；Choudhary等，2024）。一个极为重要的干预窗口是明显复发之前的前驱期，其表现为睡眠模式的微妙变化、社交退缩和情感调节障碍（Barnett等，2018）。

传统精神卫生服务基于不频繁的（通常为每月或每季度）门诊预约（Zhou等，2022）。这种间歇性评估模型存在若干缺陷，使得早期复发检测变得困难。回顾性症状报告存在相当大的回忆偏倚（Hays等，2020）。由临床医生管理的评定量表仅反映横断面的时间点，无法反映复发出现时的症状轨迹（Depp等，2019）。主动自我监测方法（如生态瞬时评估）的长期依从性较差，在不同模块间表现不一（Ben-Zeev等，2017）。因此，复发往往只有在全症状复现或加重时才被识别（Aung等，2017）。被动感知技术凭借持续、客观且自然的数据采集机会，为间歇性监测提供了更大的预测价值。数字表型有助于实时识别数字生物标志物，这是基于门诊、要求患者回忆自身症状的评定量表所无法做到的（Naeim等，2026a）。计算精神病学领域的最新进展凸显了使用人工智能（AI）方法和机器学习（ML）将这些信号转化并基于原始传感器数据流生成可操作临床洞察的可能性（Tandon & Tandon，2019；Tandon，2023；Thornton等，2023；Naeim & Narimani，2026b）。这种系统性的检测延迟导致未经治疗的精神病期延长，与更差的远期结局和更严重的神经生物学恶化相关（Rodriguez-Villa等，2021）。

智能手机和可穿戴设备中内置的被动感知技术有望为精神卫生监测带来新范式，可持续追踪行为和生理指标，无需患者主动参与即可提供客观、无侵入性的真实世界评估（Johnston等，2024）。行为传感器包括GPS传感器数据，可用于位置熵、昼夜运动规律性和在重要地点停留的时间（Rodriguez-Villa等，2021；Johnston等，2024）。加速度计可用于测量身体活动水平、久坐行为和昼夜节律稳定性（Lahti等，2021）。手机传感器使用数据可量化通话和短信使用中的社交互动特征、应用选择多样性以及在手机上花费的时间（Cho等，2019；Lahti等，2021）。通过光电容积脉搏波描记法获得的心率变异性（HRV）代表自主神经功能（ANS）和应激反应（Zlatintsi等，2022）。使用活动记录仪进行睡眠监测可提供睡眠潜伏期、总睡眠时间、入睡后觉醒时间和睡眠片段化等信息（Panagiotou等，2022；Kalisperakis等，2023）。通过皮肤电活动传感器获得的皮肤电导率可用于测量对压力的交感神经激活反应（Yang等，2025）。消费级新兴脑电图设备允许对睡眠架构和皮层激活模式进行移动评估（Efthymiou等，2023）。多模态方法整合来自这些领域的相关信息，每种模态提供互补信息以提高预测准确性（Maglogiannis等，2020；Zlatintsi等，2022）。

除上述内容外，其他形式的数字生物标志物，如语音分析、脑电图连接特征以及特殊的基因组-临床关联，也被证明在精神病分类和监测中是有用的（Chen等，2025；García-Molina等，2025；Naeim等，2026a；Naeim & Narimani，2026c；Naeim等，2026d）。多模态整合框架可能允许更精确的预测，并实现复发的个体化预防（Naeim & Narimani，2026b）。领先的研究表明，持续被动监测在精神分裂症人群中是可行的。Wang等（2016）开发的利用智能手机进行行为感知的技术也得到了验证；Ben-Zeev等（2017）在居住于社区的受试患者队列中验证了持续被动监测的可接受性；Umbricht等（2020）则识别了来自可穿戴传感器的睡眠和活动特征，可预测症状恶化。

尽管现有文献显示越来越多的证据表明被动感知技术在精神分裂症中的应用价值，但仍缺乏对各类模态预测效度进行比较的定量综合分析。这些研究中使用的传感器类型、特征构建方法和机器学习算法差异很大，难以直接比较。尽管文献增长迅速——截至2026年，已发表55项经同行评审的实证研究考察了2016年至2025年间被动传感器在预测复发中的应用——但迄今尚无任何系统综述或Meta分析专门比较行为传感器（可观察活动模式）与生理传感器（内部调节过程）在精神分裂症患者中哪个对复发的预测价值更高。这一知识对技术在临床中的实施具有实际影响，因为资源有限的医疗系统必须考虑如何优先部署传感器，而设备制造商必须考虑应投资于哪些感知能力。此外，对于多模态融合相较于单模态方法的相对优势，以及方法学问题（如机器学习算法的选择和获得良好性能指标所需的足够样本量），目前了解仍十分有限。

本系统综述和Meta分析的关键目标是对精神分裂症谱系障碍患者的行为传感器、生理传感器和多模态被动传感器进行复发预测效度的定量比较。本研究汇集了55项实证研究的证据以实现其目标。其中，50项研究报告了适合Meta分析汇总的定量实证数据，其余5项仅提供了定性信息；此外，在50项Meta分析研究中，有26项也贡献了定性数据，共计31项研究为定性综合提供了依据。对于具有定量数据的50项研究，进行了随机效应Meta分析以计算每种传感器模态的受试者工作特征曲线下面积（AUC）。次要目标包括：比较机器学习方法（即深度学习方法与经典方法）及样本量对预测性能的影响；使用预测模型偏倚风险评估工具（PROBAST）评估各模态的方法学质量；描述精神分裂症研究中使用的传感器技术概况；并为可能的临床实施和未来研究重点提供基于证据的建议。当前的综合分析试图克服叙述性综述的局限性，提供比较预测效度的定量估计，有助于指导传感器的部署时机和位置决策，以及未来传感器技术的研究方向。

## 方案片段

### 研究方案与注册

本系统综述与Meta分析遵循2020年系统综述和Meta分析优先报告条目（PRISMA）指南（Page等，2021）。本综述方案已在PROSPERO注册（编号：CRD420261403978），PRISMA核查表见附录表S1。在开始文献检索之前，预先确定了纳入标准、检索策略和分析方案。

### 纳入标准

研究的纳入性根据PICOS（人群、干预措施、比较、结局、研究设计）框架确定。

### 文献检索策略

检索策略如下：
("schizophrenia" OR "schizophrenia spectrum disorder" OR "schizophrenia-like psychosis" OR "psychotic disorder") AND ("smartphone" OR "mobile device" OR "wearable" OR "digital phenotyping" OR "passive monitoring" OR "passive sensing" OR "continuous monitoring" OR "remote monitoring" OR "ecological momentary assessment" OR "smartphone-based assessment" OR "GPS" OR "accelerometer" OR "heart rate variability" OR "HRV" OR "electrodermal" OR "EDA" OR "skin conductance" OR "EEG" OR "electroencephalography" OR "polysomnography" OR "actigraphy" OR "photoplethysmography" OR "PPG" OR "phone usage" OR "call logs" OR "text messaging" OR "app usage" OR "location tracking" OR "motion sensor") AND ("relapse" OR "relapsing" OR "recurrence" OR "recurrence rate" OR "recurrence prediction" OR "early detection" OR "prodromal" OR "at-risk mental state" OR "ARMS" OR "ultra-high risk" OR "UHR") AND ("machine learning" OR "artificial intelligence" OR "deep learning" OR "AI" OR "ML" OR "neural network" OR "support vector machine" OR "random forest" OR "gradient boosting" OR "regression" OR "classification" OR "prediction model") AND ("meta-analysis" OR "systematic review" OR "review")

数据库包括：PubMed、Google Scholar、Scopus、IEEE Xplore、ArXiv和PsycInfo。检索时间范围设定为2015年1月1日至2025年12月31日，并排除了会议摘要、社论和评论文章。前向和后向引文搜索在2024年第四季度补充实施。

### 研究筛选与特征

通过PubMed、Google Scholar和Scopus数据库的系统检索，共识别741条记录。按照PRISMA 2020指南进行重复记录去除（图S1），去除437条重复记录后，对304条唯一标题和摘要进行筛选以确定是否符合纳入标准。全文筛选后，纳入2016年至2025年间发表的55项经同行评审的实证文章。其中，31项研究报告了其他指标。

### 数据提取

由两名独立的审阅者使用预定义的数据提取表提取数据，提取内容包括：作者、出版年份、研究设计、国家、样本量、纳排标准、随访持续时间、传感器模态、特征类型、机器学习方法、主要结局指标和AUC值。

### 数据质量评估

采用预测模型偏倚风险评估工具（PROBAST）对各研究的偏倚风险进行方法学质量评估。该工具由四个领域组成：人群（Population）、预测因子（Predictors）、结局（Outcome）和统计分析（Analysis）。每个领域评定为低风险、中度风险或高风险。总体偏倚风险基于最低领域评分确定（Wolff等，2019）。

### 定量与定性综合

在随机效应Meta分析中计算合并的AUC值（95%置信区间）。使用DeLong检验比较行为与生理传感器及多模态系统之间的预测准确性。采用限制性最大似然法估计研究间异质性。探索异质性来源，使用I2统计量和留一法识别潜在来源。通过亚组分析和meta回归分析，根据样本大小和机器学习方法（深度学习方法 vs. 经典方法）进行亚组比较。

## 临床实施与可解释性

在被动感知AI模型能够转化为精神卫生临床环境之前，仍有若干障碍需要克服。除了高精度之外，临床实施还要求具备可解释性。为了做出有效决策，临床医生需要理解模型为何将某位患者识别为高风险，这正是可解释人工智能（XAI）方法的关键所在。此外，还需要在真实世界的独立队列中进行测试，以验证模型的适用性。

## 局限性

由于研究层面的限制，结果仅能泛化到研究层面。小样本数据集（中位N=45，范围从21到100）限制了统计效能，并使过拟合的风险增加，尤其是在拥有数千参数的深度学习模型中。较短的随访时间（大多<6个月）无法检验长期预测效度及其对跨季节行为或生理模式的影响。此外，潜在的局限性还包括：

- 纳入的传感器类型存在显著差异
- 特征工程方法不一致
- 模型验证策略不统一
- 研究间缺乏可比的结局定义
- 部分研究未报告完整的性能指标
- 缺乏标准化的数据采集协议
- 研究人群异质性较大

## 未来研究方向

方法学优先事项包括：需要进行更大规模的多中心验证研究（在可行的情况下，包含外部验证队列），以确定跨人群和场景的泛化能力。大多数研究为小样本、单中心研究，中位样本量N=45，因此统计效能和外部效度有限。多中心合作有可能汇集N=200-500的样本量，以开发更稳健的模型、进行考察人口统计学特征和临床变量的亚组分析。其他优先方向包括：

- 开发标准化的被动感知数据采集协议
- 建立精神分裂症数字生物标志物的国际共识
- 探索因果推断方法以区分相关性和因果性
- 开发实时预警系统和临床决策支持工具
- 进行大规模前瞻性注册研究以评估临床效用
- 研究不同文化和医疗环境中的跨文化适用性

## 结论

本系统综述与Meta分析纳入了55项经同行评审的实证研究，是首次对行为传感器、生理传感器和多模态被动传感器在精神分裂症患者复发预测中的比较能力进行定量评估。这三项结论对临床实践和研究具有重要意义。首先，包含行为和生理数据流的多模态传感器表现出更高的预测效度（AUC=0.806，95% CI: 0.773-0.836），优于单模态方法。这为未来精神卫生监测技术的开发和部署提供了基于证据的指导方向。

## 伦理声明

不适用。

## 作者贡献

所有概念构思、文献调研、数据综合和文稿撰写均作为系统性Meta分析程序的一部分完成。

## 资金支持

本研究未获得公共、商业或非营利部门任何资助机构的专门拨款。

## CRediT作者贡献声明

Meesala Krishna Murthy：写作——审阅与编辑，写作——初稿撰写，指导，形式分析，概念构思。

## 利益冲突声明

作者声明不存在任何已知的可能影响本文所报道工作的竞争经济利益或个人关系。

## 致谢

感谢对本全面文献综述综合提供支持的各方。

## 利益冲突

作者声明在本文发表过程中不存在利益冲突。

Meesala Krishna Murthy
齐塔卡拉大学，齐塔卡拉健康科学学院，联合健康科学系，印度旁遮普邦Rajpura市，邮编140401