自然语言处理技术如何帮助分析精神病患者的电子病历：一项系统性回顾

这篇综述系统梳理了自然语言处理（NLP）技术在精神病（如精神分裂症）电子病历研究中的实际应用情况。研究人员按国际公认的PRISMA标准，检索了5个权威数据库自建库至2025年10月9日的文献，最终纳入62项研究，涉及超百万名患者。其中六成以上研究使用英国临床记录交互式检索（CRIS）平台的数据。方法上，约37%采用词典匹配类NLP（即靠预设关键词规则识别文本），53%采用基于特征表示的机器学习（如将文字转为数字向量再分类），仅不到10%尝试了更先进的Transformer架构模型，而生成式大语言模型（LLM）尚无一项研究实际应用。临床目标方面，七成以上研究聚焦于从病历中自动提取症状或关键信息（例如幻听、妄想描述），近两成用于疾病分类（如区分不同精神病亚型），约一成半尝试预测发病或复发风险。但问题也很突出：超过一半的研究承认其结果很难推广到其他地区或医院；近三分之一指出病历数据质量差、记录不规范；仅有两项研究在独立的外部数据集上验证过效果。总体来看，虽然技术原理已初步可行（即‘概念验证’成功），但真正能帮医生做临床决策、改善患者照护的实用价值仍缺乏有力证据。当前研究大多局限于单一医疗机构的历史数据回溯分析，未来亟需推动跨系统验证、追踪病情长期变化规律，并审慎探索大模型在精神科病历分析中的安全可靠应用。