近年来,随着大数据和先进统计方法的引入,精神病理学领域迎来了一场革命性变革,传统基于诊断标准手册DSM(精神障碍诊断与统计手册)的疾病分类模式正面临前所未有的挑战。近来由Miri Forbes等学者领导的一项开创性研究,通过对近1.5万人的在线问卷调查数据应用统计聚类分析,深入解构了DSM-5中精神症状的内在关系与结构,揭示了传统精神疾病分类中症状组合并非稳固实体,而是由多个统计学上同质的症状群体交织而成。该研究的结果对精神疾病的认识和诊断方法提出了深刻反思,也推动了基于维度和层级的精神疾病分类体系的发展,如HiTOP(Hierarchical Taxonomy of Psychopathology)体系。精神病症状作为多维度、多层级的存在表现,往往在传统的DSM障碍类别中表现为高度异质和重叠。通过统计聚类方法,研究者不仅避免了传统诊断过程中因症状顺序和结构预设而产生的偏差,还从根本上重构了精神疾病的症状网络。该研究数据采用随机顺序问卷设计,杜绝了由于症状提问顺序而造成的统计依赖,从而更客观公正地观察症状的真实共现模式。
经过两种不同聚类方法的交叉验证,研究最终确认包括139种症状聚类和81个独立症状,形成了由八大谱系主导的结构,包括外化、物质滥用、躁狂/低退缩、思维障碍、躯体化饮食障碍、内化以及神经发育与认知障碍谱系。模式呈现与既有HiTOP模型高度吻合,部分细节上的差异则指向未来模型修订的方向。值得特别关注的是,在该数据驱动结构中,许多传统意义上的DSM精神障碍诊断类别,如广为人知的重度抑郁障碍(MDD)、广泛性焦虑障碍(GAD)和创伤后应激障碍(PTSD),不再作为单一、明确的症状群体出现,而是被分解为多个统计学上更加同质的基本成分。这意味着这些诊断集合仅仅是症状集合的一种经验性索引,而非具备独立稳定"实体"的疾病定义。这一发现挑战了过去几十年来精神医学将DSM诊断标准视为"实物"本质的观念。具体而言,抑郁症状如抑郁情绪和快感缺失、晨间抑郁、自我贬低、罪疚感、自杀倾向、情绪不稳定、睡眠和认知障碍等,均被归入不同的基本症状群,各自具有独立的统计学特征,却在传统诊断中被合并为一个诊断单元。
这种现象反映出,临床上表现为MDD的患者,往往症状组合千差万别,且不同症状簇间存在显著交叉和重叠,反映了精神障碍的高度异质性和复杂共病性。抑郁症这一诊断类别的"消解"实际上提示了我们必须重新审视精神障碍的本质。过去DSM的诊断聚焦于症状集的组合出现,但这组症状组合缺乏在统计层面上的同质化支持。一种更合理的理解是,精神障碍是由较为基本、同质的症状簇构成的动态谱系,患者的症候表现实则为这些症状谱系不同组合的个体化呈现。这不仅解释了为何DSM诊断类别的可靠性较低,也揭示了为何临床实操中症状多变、重叠广泛,且单一诊断难以全面覆盖患者完整病情的事实。研究同时强调了精神病理的层级结构特征,即自下而上包括具体症状、基本症状簇、子谱系及更高阶谱系的多层次框架。
从症状最细粒度到结构最大维度,形成了一个多维度交织的症状网络。"大一切"(Big Everything)或称广义心理病理因子,反映了各大谱系之间的高度相关性和互相影响,强调精神障碍背后的普遍心理功能异质性和共性。此观点与Ken Kendler等历史学者的观察高度契合,他们指出DSM标准对抑郁症的症状涵盖有限,忽视了许多在书籍与临床中被重视的认知、动力学变化及身体症状。这种局限提醒我们,DSM更多是对症状的"索引"而非"定义",过度依赖标准化诊断可能误导临床诊断和治疗效果的理解。新研究的启示在于,精神障碍诊断和研究应回归到症状的本质和结构上,通过精细的症状层级分析和多维度的交织关系,构建更符合实际的诊断体系。同时,精神疾病的诊断和治疗应重视症状间的动态交互和个体变量,而非仅以固定症状清单为依据。
该研究虽然具有里程碑意义,但也存在局限:因主要依赖自我报告,缺少临床观察指标及多源数据支持;症状缺乏具体时长、频率、严重度及情境因素区分;横截面设计难以反映症状的发展轨迹及变化。未来研究需要结合多方法、多时点及多文化样本进行验证。总结来看,统计聚类分析对精神障碍症状重新划分,不仅揭示DSM类别的异质性和模糊性,更呼吁精神医学界更新对精神疾病分类的认识,推动诊断体系向维度化、层级化和动态化方向发展,促进更精准、个体化的诊疗模式。随着此类研究的深入,未来的精神健康评估和干预将有望离开刻板的诊断标签,聚焦于患者独特的症状网络,提升治疗效果与生活质量,开辟心理健康科学的新篇章。 。
