精神障碍不是疾病，它们是症状网络

在过去的一百年里，关于什么是精神障碍的观点发生了根本性的变化。在20 世纪的大部分时间里，精神分析学家将精神疾病的症状解释为患者无意识内部冲突的线索，而不是特定疾病的指标。因此，治疗的目的是识别和解决这些冲突。一切在 1960 年代和 70 年代发生了变化：与许多其他机构一样，精神病学受到了攻击，甚至来自其自身的行列，批评者质疑精神病诊断的可靠性，甚至质疑“精神疾病”的概念。

随着精神病学的声誉达到最低点，一群以研究为导向的精神病学家试图恢复他们专业的可信度。这些自称为“新克雷佩林人”的人恢复了精神科医生埃米尔·克雷佩林所倡导的描述性传统，他认为仔细观察精神疾病的体征、症状和病程必须为可靠的诊断提供基础。反过来，这可以指导对病因和治疗发展的猜测。这一观点为精神病学“圣经” ——精神疾病诊断和统计手册（ DSM ）的关键修订提供了依据。 DSM-III (1980) 及后续版本反映了对每一类精神障碍制定客观和可靠的诊断标准的目标，激发了对精神疾病的流行、机制和治疗的研究。

尽管取得了这些进展，但近年来这种理解精神疾病的主导框架的局限性越来越明显。科学家们在寻找DSM中列出的精神障碍的生物学标记时遇到的困难促使美国国家心理健康研究所的前任负责人怀疑我们的诊断类别是否只不过是具体化的标签，而不是真正的疾病实体。也许许多新克雷佩林主义者的隐含假设——与诊断类别相关的一组体征和症状反映了一个常见的潜在原因，类似于恶性肿瘤或细菌感染——是不正确的。另一个令人担忧的问题是，据称不同的精神障碍经常同时发生。符合恐慌症、重度抑郁症和社交焦虑症标准的人是否真的患有三种不同的疾病，类似于患有胰腺癌、艾滋病和COVID-19 的人？对于后一种情况，科学家们已经发现了可以通过X 射线、培养、活检和其他测试确认的不同病因。目前定义的精神障碍并非如此。

抑郁症不是症状的根本原因。相反，抑郁症指的是从这些因果相互作用中出现的系统

一种关于精神病理学的新观点有望帮助解决困扰新克雷佩林范式的问题。这就是网络视角，由荷兰心理测量学家 Denny Borsboom 及其同事开创。 Borsboom 的灵感来自当代关于智能的理论——特别是它如何从多个认知子系统的交互中出现。根据他和其他人所发展的网络观点，精神疾病，例如重度抑郁症，本身就是一种新兴现象。它源于其组成元素（例如睡眠、情绪和能量）之间的相互作用网络。

举一个如何工作的例子，考虑一个在工作中经历过压力源，现在难以入睡的人。疲劳可能会在第二天发生。反过来，疲劳会削弱对工作任务的注意力并增加易怒性。随后与同事发生冲突会降低情绪、加剧其他症状并激活其他症状（例如绝望）。这些症状因素之间的因果相互作用可以相互加强，形成我们称之为抑郁的状态。因此，与细菌感染或恶性肿瘤不同，抑郁症不是症状的根本原因。相反，抑郁症指的是从这些因果相互作用中出现的系统。

近年来，关于精神病理学的网络视角激发了大量的研究。例如，Angélique Cramer、Borsboom 和他们的同事说明了网络方法如何解决合并症问题。例如，抑郁症和广泛性焦虑症的频繁同时发生可能是两个部分重叠的综合征群的共同症状的可预测结果。此外，通过将注意力从潜在疾病实体的概念转移到症状及其相互作用上，网络方法避免了对每种疾病的生物标志物的无用搜索。相反，我们的病因学重点可以集中在环境压力源（例如，丧亲之痛）和内部压力源（例如，病毒感染）如何激活症状，以及激活如何在症状之间传播，从而引发精神病理学发作。

为了更好地了解导致精神疾病的系统，网络分析研究人员将它们分解为组件。利用主要的计算和统计进步，研究人员制作了将精神病综合征描述为由线（边）连接的圆圈（节点）组成的网络的图表。在大多数精神病理学网络中，节点代表症状，连接一对症状的边表示它们之间的关联。边缘的粗细代表关联的大小，可解释为两种症状同时发生的概率。例如，在描述创伤后应激障碍的网络中，粗边通常连接代表夸张的惊吓反应和对威胁的高度警惕的节点——这些症状经常一起出现。大多数网络研究都涉及对精神疾病的体征和症状的分析，这些症状和体征是从对许多人在一个时间点的评估中挑选出来的。这些网络提供了组级别症状之间关系的快照。

然而，相关联系并不能证实因果联系。症状 A与症状 B一致这一事实并不意味着症状 A导致症状 B ，反之亦然。它们也有可能相互影响，或者另一个因素导致它们之间的关联——类似于高环境温度如何解释冰淇淋消费与溺水死亡之间的相关性。

为了更好地了解症状之间真正的因果关系，调查人员使用了一些额外的分析技术。一种方法是通过计算估计所谓的高斯图模型 (GGM)，其中在调整网络中所有其他节点的影响后，边表示节点对之间的关​​联。这有助于阐明特定症状之间的直接关联。但是边缘仍然不能指示影响的方向（例如，过度警觉是否会增加过度惊吓反应的可能性，反之亦然，或两者兼而有之）。一种补充方法涉及计算有向无环图 (DAG)。在 DAG 中，每条边都有一个箭头，表示一个节点（症状）预测另一个节点存在的可能性有多大：例如，节点A → 节点 B。尽管这种链接本身并不能确认节点 B是由节点 A引起的，但这意味着“后代”节点 B的存在意味着“父”节点 A的存在比反之更强烈。

在双相情感障碍的临床管理中，监测能量波动可能至少与监测情绪一样重要

正如平均值和中位数为数据集中的集中趋势提供了两个互补的视角一样，这些方法也为一大群患者的症状之间的关系提供了两个互补的视角。也就是说，它们为将精神病理学描述为一种从症状之间的相互作用中出现的现象迈出了第一步。

使用网络分析方法，我和我的同事最近探索了数百名双相情感障碍患者在参加临床试验之前的抑郁和躁狂症状之间的关系结构。尽管单相重度抑郁症一直是网络精神病理学研究人员关注的焦点，但双相情感障碍几乎没有得到解决。训练有素的采访者使用标准化方法来评估症状的存在和严重程度，我们使用这些数据来估计 GGM 和 DAG。对于 GGM，我们确定了最中心的节点——即与网络中其他症状最相关的症状。根据一种解释，高度集中的症状的发作特别有可能激活其他症状，从而增加疾病发作的可能性。同样，DAG 中的“父”节点可能特别成问题。

正如我们在网络分析研究中经常看到的那样，这些图表证实了既定的发现，例如发现持续的抑郁情绪和对未来的悲观情绪与自杀意念和行为有关。但网络分析也可以揭示提供新见解的新发现。例如，我们的网络将双相情感障碍主要描述为一种能量调节障碍，而不是一种情绪障碍，这就是它在DSM中的分类方式。也就是说，患有双相情感障碍的人在日常运作中经常经历过多或过少的能量，而这种调节功能障碍似乎是该综合征的核心。

在我们的分析中，经历低能量是一系列抑郁症状中最核心的症状（它经常与其他症状同时出现），而能量升高是躁狂症状中最核心的症状。同样，其他“后代”症状的存在强烈暗示分别在抑郁症和躁狂症簇中作为“父母”存在低能量和高能量。双相情感障碍患者的能量水平显着持续下降，似乎容易出现其他症状，如情绪低落、快感缺乏、悲观和自杀。相反，能量水平显着且持续升高的人似乎容易表现出欣快、多动和鲁莽行为。

总之，这些发现表明，在双相情感障碍的临床管理中，监测能量波动可能至少与监测情绪一样重要。通过跟踪这些患者的能量大小和波动，临床医生可能能够通过行为、生活方式和药物干预进行干预，从而在患者出现症状下降（或上升）之前将能量水平控制在正常范围内。网络分析方法还确定了其他条件的核心节点，例如饮食失调中的体重增加恐惧、复杂悲伤中的孤独感以及沉思中的自我批评。

加速计算和统计发展正在推动日益复杂的创新。这些包括动态网络，可以可视化症状如何随时间相互作用，最终导致疾病发作。网络精神病理学家已经开发出一些方法，每天多次在智能手机上对个别患者进行 ping 操作，以评估他们当时的症状。本着精准医学的精神，这种密集的时间序列网络可能使临床医生能够定制干预措施，以针对在维持精神障碍发作中表现突出的症状，例如增加双相抑郁症患者的能量或减少患有抑郁症的人的孤独感。失去了亲人。事实上，临床心理学家、精神科医生和临床社会工作者都是务实的人，网络方法的最终价值将取决于其促进预防和治疗心理痛苦的能力。