深度解析医学证据，lxfs.net为你支撑决策 精神科临床评估始终高度依赖患者的言语表达，医生仅凭语气、语速、话语逻辑的细微变化，就能初步判断精神状态波动 —— 这种诊疗直觉虽普遍应用于日常工作，却始终缺乏标准化的量化工具，难以实现高频、低负担的长期病情追踪。近日，发表于JAMA Netw Open杂志的一项多中心纵向队列研究，借助人工智能技术提取自然语音的声学与语言学特征，首次在条目级精度上验证了语音信号与精神分裂症谱系障碍症状严重度的对应关系，为开发可规模化的精神症状实时监测工具提供了核心循证依据。 该研究包含两个独立纵向观察队列：主分析队列来自荷兰多家大学医学中心，纳入 356 名成年精神分裂症谱系障碍患者（平均年龄 30.4 岁，男性占 72.2%），在最长 8 年的随访周期中累计采集 773 份开放式自然语音样本，采用阳性与阴性症状量表（PANSS）评估症状严重度；验证队列来自美国纽约的急性精神科住院单元，纳入 72 名患者（平均年龄 26.4 岁，男性占 64.8%），累计采集 165 份语音样本，采用简明精神病评定量表（BPRS）完成症状评估。研究团队从语音样本中

小提示：本篇资讯仅在梅斯医学APP中开放阅读，请扫描二维码直接下载APP