Page 105 - 心理健康及心理危机

第三章 精神卫生疾病及躯体化症状

TS 患儿和 48 名正常儿童，取得了 94.24% 的分类正确率。该研究同时表明基于
多模态影像特征的多核学习方法，相比基于单一模态数据的分类方法，能够更全
面反映样本不同层面特征，从而提取更多有效特征以进一步提高分类的准确性。
此外，机器学习在精神分裂症、帕金森病、自闭症、抑郁症、强迫症等神经精神

疾病的智能诊断和预测研究中也取得了很大进步。
神经精神疾病的临床症状复杂多样，其诊断是医疗系统中更偏向于劳动密集
型的工作之一，这恰恰也是机器学习的擅长领域。普通医疗体系不能永远保持精
确又快速的诊断，神经影像技术和以深度学习为代表的机器学习技术的不断发展，

不仅能大幅削减成本，其辅助诊断结果亦能实时获取。机器学习可帮助医生提供
更准确更有效率的诊断，从而进一步提高神经精神疾病的临床诊断水平。

二、缺陷型精神分裂症发病机制、诊断与治疗

精神分裂症是一组病因未明的重型精神疾病综合征，具有认知、情感、行为
等的异常，还表现出明显的职业和社会功能损害。缺陷型精神分裂症被认为是精
神分裂症的一个重要亚型，具有独特的病理生理机制，但目前对其研究和临床关
注相对有限。
（一）概述

1. 定义
缺陷型精神分裂症是以存在原发性和持久性的阴性症状为特征，这些阴性症
状贯穿于疾病整个病程，且并非继发于精神病性症状、抑郁、药物作用等。需明

确的是，缺陷型精神分裂症中所定义的原发性持久性阴性症状不同于继发性阴性
症状，前者阴性症状的持续时间更长，并且排除了所有可能的继发性阴性症状。
缺陷型精神分裂症与经典的单纯型精神分裂症亦有所不同，其强调阴性症状的“原
发性”与“持久性”，阴性症状在疾病的整个病程均持续存在；而单纯型精神分
裂症的阴性症状包括“继发性阴性症状”，且阴性症状并非要求持续整个病程。

2. 分型由来
20 世纪 80 年代初期，Crow 提出精神分裂症异质性的观点，将精神分裂症
分为Ⅰ型（以阳性症状为主）和Ⅱ型（以阴性症状为主）精神分裂症。然而，该

分类方法有其局限性，比如随着时间的推移其诊断缺乏稳定性，对预后的影响较
小，相关研究呈现结果不一致，基于因子分析的研究不支持等。虽然继发性阴性

93