量化氯氮平治疗的精神分裂症患者精神病症状改善：使用大型语言模型的临床记录分析

为什么日常言语能揭示隐秘变化

当与精神分裂症共处的人谈论他们的日常时，选词可以悄然反映出治疗的效果。但在繁忙的医院里，医生很少有时间去梳理多年临床记录，以判断患者的言语是否变得更清晰、更平静或更有希望。本研究展示了现代人工智能工具——大型语言模型——如何阅读这些记录并捕捉到在氯氮平治疗期间症状改善的细微迹象。

将日常记录转化为有用信号

研究者聚焦于一组30名患有严重、对治疗耐药的精神分裂症并开始使用氯氮平的患者。氯氮平通常用于其他药物无效的病例。在日本，启动氯氮平需要住院并进行严格监测，这产生了丰富的电子健康记录。研究团队从这些记录中提取出精神科医生记录患者言语的部分，例如问候、对睡眠的抱怨或听到幻觉的描述。最终他们获得了来自超过5,000份病历中22,000多句语句，覆盖氯氮平前的一个月以及住院治疗期间三个等长阶段。

让人工智能为精神病症状评分

为了将原始文本转为症状评分，团队使用了三种强大的语言模型。他们向每个模型提供了详细指令，使其表现得像专家心理学家并根据精神病学常用的量表——简明精神症状评估量表（Brief Psychiatric Rating Scale）对每条记录进行评分。模型只依据患者所说的内容，而非肢体语言或语气，对焦虑、概念性思维混乱、异常信念、幻觉、疑心以及抑郁情绪等症状进行打分。模型一致认为在氯氮平治疗期间若干关键症状有所下降：焦虑、概念性思维混乱、疑心、异常想法、类似幻觉的言辞和低落情绪都随时间减轻。关于身体的躯体担忧在初期上升——可能反映早期副作用如乏力或嗜睡——随后逐渐缓解。

治疗期间用词如何变化

研究团队还应用了更传统的语言分析方法以更好理解模型所捕捉到的内容。他们统计了每句中的不同词类，如名词、动词、副词和形容词。随着时间推移，患者使用更多的形容词，尤其是描述情感和身体状态的词，如“好”、“令人愉快”、“疲惫”、“困倦”、“糟糕”和“可怕”。与此同时，“不”字（“no”）的使用减少。通过查看短的两词组合，研究者发现“不”常出现在诸如“没有变化”或“没什么特别”的短语中，这是患者在感到疏离或缺乏动力时可能给出的平淡回答。此类短语减少表明患者随着治疗进行更积极地与医生互动，而不是终止对话。

测量词语本身的情感色彩

为了更深入研究情感，研究者使用了名为Linguistic Inquiry and Word Count的工具，该工具检查人们使用与正面或负面情感相关词汇的频率。他们发现正面情感词在治疗后期变得更常见，而负面情感词变化不大。当把这些模式与语言模型产生的评分进行比较时，二者相关但并不完全相同。模型尤其擅长捕捉焦虑和情绪的广泛变化，而基于词典的计数则突出了明确正面表达的增加。二者结合描绘出一个画面：随着治疗进展，患者的言语在情感上变得更丰富，不再被痛苦主导。

这对未来护理意味着什么

对于非专业读者，主要信息很直接：通过细致“倾听”患者的言语——通过已写入病历的临床记录——人工智能系统可以识别在治疗期间精神病症状和情感生活的有意义改善。研究表明，即便病历简短或不完美，大型语言模型仍能辅助临床医生追踪可能被忽视的趋势，例如思维更清晰、与幻觉相关的言辞减少以及更积极、更投入的交流。虽然这些工具不会取代人的判断，但它们有朝一日可以提供低成本、幕后式的监测，帮助医生更好地调整治疗、及早发现问题并理解患者内心世界随时间的变化。

引用: Matsumura, M., Nishida, K., Toyoda, K. et al. Quantifying improvement of psychotic symptoms in clozapine-treated schizophrenia: clinical note analysis with large language models. Sci Rep 16, 8835 (2026). https://doi.org/10.1038/s41598-026-39676-0

关键词: 精神分裂症, 氯氮平, 临床记录, 大型语言模型, 精神病症状