基于大语言模型的抑郁与焦虑门诊患者精神症状识别：一种数字化表型分析新方法

《npj Mental Health Research》：Identifying psychiatric manifestations in outpatients with depression and anxiety: a large language model-based approach

本研究针对精神疾病诊断依赖主观观察、缺乏客观生物标志物的临床痛点，创新性地利用大语言模型（LLM）分析医患对话录音，自动识别临床症状并预测诊断标签。通过对1160名门诊患者的语音数据进行多模态特征融合与集成学习，系统实现临床症状标注识别准确率达86.9%，焦虑/抑郁症状分类平衡准确率分别达74.7%和77.2%。该研究为精神科诊断提供了可解释的数字化工具，有望提升临床评估效率与标准化水平。

　　

在全球范围内，抑郁症（DP）和焦虑症（ANX）是最常见的精神健康问题，影响着数亿人的生活。然而，当前的精神疾病诊断主要依赖医生的主观观察和有限的临床资源，缺乏客观、可量化的生物标志物。尽管患者的言语内容蕴含丰富的心理状态信息，但其中细微的特征往往难以被人类直接捕捉和分析。这种主观性和资源限制导致诊断准确性受限，尤其当抑郁和焦虑症状高度重叠时，区分二者尤为困难。

为了突破这一瓶颈，上海精神卫生中心联合研究团队开展了一项创新性研究，探索利用大语言模型（LLM）从医患对话中自动识别精神症状，并构建客观的数字化评估体系。该研究发表于《npj Mental Health Research》，为精神科诊断的标准化和智能化提供了新思路。

研究团队收集了1160名门诊患者的临床访谈录音，总时长超过15,000分钟，涵盖抑郁发作、焦虑状态等多种诊断类型。通过语音转录和多重特征提取，他们构建了一个包含临床相关特征、评估量表特征、语言特征和声学特征的多元数据集。其中，LLM被用于自动识别138项临床症状并模拟评分6种常用量表（如HAMD、HAMA、SCL-90等）。最终，通过集成机器学习管道，系统实现了对诊断分类和症状预测的高精度判断。

关键技术方法包括：基于Qwen2-72B-Instruct的LLM症状提取与监督微调（SFT）；使用Low-Rank Adaptation（LoRA）进行参数高效优化；结合LIWC和TF-IDF的文本分析；OpenSMILE工具包的声学特征提取；以及采用10折交叉验证与SMOTE平衡处理的随机森林分类器。

LLM生成的临床相关特征评估

研究发现，经过监督微调后，LLM在临床症状识别中的准确率从81.2%提升至86.9%，召回率从66.1%提升至81.1%。在高质量电子病历（EMR）数据上，模型表现进一步提升，准确率达89.1%。这表明LLM能够有效捕捉医患对话中的关键症状表达，弥补了传统方法在语义理解上的不足。

诊断组分类结果

在区分焦虑症与抑郁症的二元分类任务中，模型平衡准确率（BAC）达75.5%，F1分数为0.762，AUPRC（精确率-召回率曲线下面积）为0.824。在三分类任务（ANX vs. DP vs. Others）中，模型仍保持65.6%的平衡准确率，显著优于多数类基线（47.7%）。

抑郁与焦虑症状预测

模型在识别焦虑症状（A vs. N）和抑郁症状（D vs. N）任务中分别达到74.7%和77.2%的平衡准确率。在四分类任务（A vs. D vs. M vs. N）中，AUPRC为0.606，平衡准确率为60.7%，较基线提升约30%。

特征可解释性分析

通过多维度特征重要性排序，研究揭示了抑郁与焦虑的典型语言标记：抑郁患者更多表达“快感缺失（Anhedonia）”“兴趣减退”“意志力下降”；而焦虑患者则突出表现为“紧张”“无法放松”“过度担忧”。评估量表特征中，SCL-90、HAMD等项目在区分两类疾病时具有显著判别力。

基线实验对比

与传统Transformer模型（如BERT、RoBERTa）和直接使用LLM进行分类的方法相比，本研究提出的LLM特征融合管道在平衡准确率和AUPRC上均表现最优，验证了其在高阶临床任务中的有效性。

该研究首次将LLM与多模态行为特征结合，构建了一个可解释、可扩展的精神科辅助诊断框架。其意义不仅在于提升了分类准确率，更在于通过症状级特征提取，为医生提供了透明的决策依据。未来，随着数据规模的扩大和模型能力的进化，这类工具有望成为精神科标准化评估的重要组成部分，推动精准精神医学的发展。

然而，研究仍存在一定局限性，如缺乏症状严重度纵向数据、音频质量受环境噪声影响等。后续工作需纳入更丰富的临床指标，并在多样化的临床场景中验证模型的泛化能力。总体而言，这项研究为精神健康领域的数字化表型分析树立了重要里程碑。