信息技术迅猛发展，为医疗行业带来深刻变化，尤其人工智能技术与医疗服务紧密结合，在临床诊治与疾病管理等方面展现了重大应用价值。鉴于精神疾病病因不明、机制不清、诊断延迟、治疗缺靶的现状，上海市精神卫生中心方贻儒团队紧跟信息技术步伐，结合人工智能技术和真实世界临床诊疗数据，寻找有助于情感障碍早期识别的可便利获得生物学指标，力求构建有转化应用价值的临床诊治工具。

抑郁障碍以高发病率、高复发率、临床表现复杂为特征；双相障碍(BD)则具有误诊率高、疾病负担重、致残率高、共病率高以及病程多变等特点。情感障碍往往需要等待疾病充分发展、多次发作才能确诊。因此，如何实现BD早期诊断成为学界难题。

大数据及信息时代的来临，为解决情感障碍早期诊断打开了探索之门。在上海市精神卫生中心临床研究中心设立的大数据计算技术平台支持下，方贻儒团队开展了以真实世界临床大数据为基础研究。该研究纳入该中心2009-2018年所有首次入院，符合ICD-10双相障碍/抑郁障碍及其亚分类的患者，获取其完整的电子病历与常规生化指标信息，经脱敏、清洗后利用大数据机器学习方法，构建双相障碍临床诊断预测模型，以期改变双相障碍早期识别困难、高误诊/漏诊率和不规范治疗的现状。

基于此项真实世界临床大数据，结合人工智能分析，方贻儒团队建立并验证（内部+外部多中心）氧化应激指标为核心的临床生化数据BD早期识别模型，预测首次入院的情感发作患者中BD发病的风险。

在对情感发作患者进行BD个体化风险预测时，nomogram线图中的预测因素明确涵盖尿酸(UA)、直接胆红素(D-BIL)和前白蛋白(PA)等氧化应激指标。对5个独立中心的外部验证表明该模型具备上佳的外推能力，良好的临床应用能力。

此研究验证了氧化应激损伤指标在双相障碍发病预测（早期诊断）的作用，提供了可协助临床医生使用常规生化检测对情感发作患者进行双相障碍发病个体化风险的预测工具，为尽快识别、早期诊断双相障碍提供了客观评价指标。该研究已作为封面文章发表在《神经科学通讯》（Neuroscience Bulletin）。

此外，基于该临床数据库，方贻儒团队构建了决策树模型用以预测常规生化指标鉴别双相障碍和抑郁障碍的临床诊断价值，发现伴有乳酸脱氢酶(LDH)、间接胆红素(I-BIL)升高和直接胆红素(D-BIL)降低的患者诊断为BD的概率较高。

由于约半数双相障碍患者首发于儿童青少年。而双相障碍的首次发病常为抑郁发作，这使得临床医生很难将其与抑郁障碍相鉴别。方教授团队同时探索了常规生化指标对青少年双相障碍和抑郁障碍的鉴别价值，发现年龄、直接胆红素(D-BIL)、乳酸脱氢酶(LDH)、游离三碘甲状腺原氨酸(FT3)等因素或可辅助预测青少年罹患双相障碍的风险。情感障碍患者常共病多囊卵巢综合征/代谢综合征、存在内分泌紊乱特征，该团队根据月经周期，将女性分为卵泡期、排卵前/后期和黄体期，利用内分泌指标在不同的亚组里鉴别双相障碍和抑郁障碍，表明这些生化指标更能精确预测黄体期女性的BD患病风险。

有鉴于抑郁发作是双相障碍最常见的临床表现形式，团队探讨了首次入院的双相障碍和抑郁症患者的季节性症状和非酶类氧化应激指标的差异，以区分双相和单相抑郁，减少误诊。发现双相抑郁患者具有季节性特征，非酶类氧化应激指标可能是区分季节性单双相抑郁的生物学标记物。

专家表示，从科学发展看，合理运用信息技术、计算科学，结合浩大的真实世界临床数据构建精神疾病辅助诊断以及合理治疗选择工具，将极大帮助精神科医生摆脱对于临床表型的主观分析与研判，从多方面找到精神疾病的本质特征，逐渐走向精准医疗，造福精神疾病患者。

*文汇独家稿件，转载请注明出处。