孫玉靜，曹云云，張 靜，賈艷楠，周郁秋

攻擊行為(aggressive behavior)是指病人在癥狀支配和環(huán)境因素影響下發(fā)生的對自身、他人和其他目標所采取的破壞性行為，形式上包括語言攻擊、身體攻擊、攻擊物品及自我攻擊。精神分裂癥是一組常見的病因未明的重性精神疾病，也是嚴重威脅人類健康和社會功能的一大頑疾。在各類精神疾病中，精神分裂癥病人攻擊行為發(fā)生率最高，為正常人群的3～5倍[1]。研究表明，在精神疾病攻擊行為者中，87.8%診斷為精神分裂癥[2]。攻擊行為反復(fù)出現(xiàn)不僅對病人家庭穩(wěn)定和社會和諧造成巨大威脅，同時嚴重影響病人預(yù)后和康復(fù)。據(jù)統(tǒng)計每年由于精神疾病病人攻擊行為造成的經(jīng)濟損失巨大[3]。因此，精神分裂癥病人攻擊行為的發(fā)生機制與影響因素逐漸成為國內(nèi)外學(xué)者關(guān)注的焦點。

1 精神分裂癥病人攻擊行為評估方法

1.1 測評量表 精神疾病病人攻擊行為的風(fēng)險常用的測評工具包括長期風(fēng)險評估工具、短期風(fēng)險評估工具及病人入院時攻擊風(fēng)險評估工具。

1.1.1 長期風(fēng)險評估工具 ①歷史、臨床、危險處理-20(HCR-20)：主要適用于既往存在攻擊事件且可能患有精神障礙的受試者，是目前世界范圍內(nèi)應(yīng)用最為廣泛的攻擊風(fēng)險評估量表之一，但該量表評估耗時較長，對評估者的素質(zhì)要求較高[4]。②精神病態(tài)測評量表修訂版(PCL-R)：該量表包括20個條目，主要適用于司法精神病院和男性罪犯人群[5]。③攻擊風(fēng)險評估指南(VRAG)：適用于司法精神病院的病人，可用于精神疾病病人較長時間內(nèi)的攻擊風(fēng)險預(yù)測[6]。④攻擊風(fēng)險等級量表(COVR)：可以預(yù)測社區(qū)精神疾病病人攻擊行為的發(fā)生風(fēng)險[7]。

1.1.2 短期風(fēng)險評估工具 ①Broset攻擊行為量表(BVC)：該量表可評估住院精神障礙病人在24 h內(nèi)攻擊行為的暴力風(fēng)險，評估耗時約5 min[8]。②暴力風(fēng)險量表(VRS)：該量表的顯著特點是除可用于干預(yù)前的評估外，還可用于干預(yù)后效果的評價[9]。

1.1.3 入院時攻擊風(fēng)險篩查工具 包括攻擊分析篩查量表(V-RISK-10)等[10]。目前，國內(nèi)使用的量表多為國外量表的翻譯及修訂版本，但由于文化背景及醫(yī)療背景不同，量表的準確性及適用性有待進一步研究，因此亟須結(jié)合我國國情發(fā)展適合我國的攻擊行為評估工具和模式。

1.2 人工智能技術(shù) 人工智能技術(shù)就是通過深度學(xué)習(xí)、知識圖譜技術(shù)、大數(shù)據(jù)分析等方法，使用計算機來模擬人類的認知功能，讓機器解決問題，或者在特定情況下做出類似人類的反應(yīng)[11]。人工智能和機器學(xué)習(xí)算法已被用于精神分裂癥疾病預(yù)測和診斷等方面，但尚無在精神分裂癥病人攻擊行為領(lǐng)域的應(yīng)用[12]。有些報告可能過于樂觀，因此應(yīng)謹慎對待。在人工智能技術(shù)應(yīng)用時面臨的主要問題是模型的樣本規(guī)模較小[13]，以及測試數(shù)據(jù)集、訓(xùn)練和驗證數(shù)據(jù)集之間缺乏獨立性[14]。由此可以看出，人工智能技術(shù)一方面可為精神分裂癥病人攻擊行為的早期識別提供新的方法，另一方面可有效提高精神科醫(yī)生的工作效率，降低成本，并與人工診療優(yōu)勢互補，為早期識別攻擊行為風(fēng)險人群，開展積極干預(yù)提供了可能性[15-16]。

2 精神分裂癥病人攻擊行為影響因素

針對精神分裂癥病人攻擊行為，國內(nèi)外多項研究已運用經(jīng)典的流行病學(xué)設(shè)計確定了其危險因素。精神分裂癥病人攻擊行為的影響因素可分為生理學(xué)因素、精神癥狀學(xué)因素、行為學(xué)因素及心理社會因素。

2.1 攻擊行為與生理學(xué)因素 既往研究表明，精神疾病病人攻擊行為的發(fā)生與其血液中某些物質(zhì)的水平變化密切相關(guān)，如三碘甲狀腺原氨酸(T3)、甲狀腺素(T4)、促甲狀腺激素(TSH)、皮質(zhì)醇(F)、睪酮(T)等，可有效預(yù)測病人的攻擊行為[17]。研究表明，發(fā)生攻擊行為的精神分裂癥病人肌酸激酶(CK)值水平升高，CK值可以作為攻擊行為的預(yù)測因素[18]。因此，應(yīng)將血生化檢查指標納入攻擊行為風(fēng)險評估體系，通過篩選特異指標來提高攻擊行為預(yù)測的準確性。

2.2 攻擊行為與精神癥狀學(xué)因素 研究表明，攻擊行為與精神病性癥狀密切相關(guān)。在精神病理學(xué)方面，一般認為有被害妄想、嫉妒妄想、命令性幻聽、自罪或強迫觀念等癥狀的精神疾病病人攻擊行為發(fā)生率高，而社交退縮、情感淡漠等陰性癥狀會降低攻擊行為的發(fā)生率[19]。研究表明，陽性癥狀和意向性攻擊行為呈顯著正相關(guān)，陽性癥狀得分越高，意向性攻擊行為發(fā)生率越高[20]。另外，有學(xué)者認為精神分裂癥病人攻擊行為與疾病的分型有關(guān)，偏執(zhí)型和緊張型的病人攻擊行為發(fā)生率高于其他分型病人[21]。

2.3 攻擊行為與行為學(xué)因素

2.3.1 攻擊行為與事件相關(guān)電位 精神分裂癥病人攻擊行為腦誘發(fā)電位相關(guān)研究表明，攻擊組對負性情緒反應(yīng)時間最短，表明攻擊組對負性情緒刺激更加敏感。李丹玉等[22]對精神分裂癥病人的事件相關(guān)電位P300與攻擊行為的相關(guān)研究中表明，攻擊組P300潛伏期延長且波幅降低。提示攻擊性個體認知加工過程存在缺陷，大腦皮層喚醒水平較為低下，從而導(dǎo)致沖動情緒及行為的控制能力削弱。研究表明，P300的潛伏期和波幅可作為特異性神經(jīng)電生理指標來評估預(yù)測精神分裂癥病人暴力風(fēng)險[23]。Frommann等[24]發(fā)現(xiàn)，在負性情緒刺激時有攻擊犯罪記錄的精神分裂癥病人N250波幅顯著增高，此結(jié)果間接表明，在應(yīng)激狀態(tài)時攻擊犯罪組的攻擊相關(guān)情緒更易被喚起。精神分裂癥有攻擊行為的病人存在腦電指標的變化，運用事件相關(guān)電位(ERP)技術(shù)探討負性面孔誘發(fā)的N250、P300的波幅、潛伏期、反應(yīng)時及準確率，可為揭示攻擊行為發(fā)生機制提供客觀依據(jù)。

2.3.2 攻擊行為與服藥依從性 抗精神病藥物能有效改善精神分裂癥病人的精神癥狀、預(yù)防復(fù)發(fā)，是目前治療精神分裂癥最主要的方法，服藥依從性是治療的關(guān)鍵因素。國內(nèi)一項基于4個省市社區(qū)精神分裂癥病人的調(diào)查結(jié)果顯示，有20%的病人出院后不依從服藥[25]。Wang等[26]對住院精神分裂癥病人進行調(diào)查并完成出院后1個月隨訪，結(jié)果發(fā)現(xiàn)病人出院前后服藥依從性有顯著性差異，不依從率從50.8%升至93.0%。堅持服藥對病人的治療效果起到至關(guān)重要的作用，隨著服藥依從性的下降，攻擊行為的發(fā)生風(fēng)險增加。然而現(xiàn)有依從性干預(yù)多僅關(guān)注藥物治療依從性，且對長期維持效果有限。

2.4 攻擊行為與心理社會學(xué)因素

2.4.1 攻擊行為與童年期創(chuàng)傷 童年期創(chuàng)傷是指一種創(chuàng)傷性經(jīng)歷，發(fā)生于病人的兒童和青少年時期。研究表明，無論是否罹患精神分裂癥，沖動攻擊行為與早年的經(jīng)歷和表現(xiàn)有關(guān)[27]。家庭教育及環(huán)境對攻擊行為的產(chǎn)生有重要影響[28]。研究表明，病人的不良個人成長環(huán)境對其攻擊行為的發(fā)生有一定影響。童年期創(chuàng)傷經(jīng)歷可能通過影響發(fā)育中大腦特定的神經(jīng)環(huán)路及結(jié)構(gòu)，下丘腦-垂體-腎上腺軸的不典型發(fā)育，導(dǎo)致情緒調(diào)節(jié)功能失調(diào)，從而進一步增加了攻擊行為的發(fā)生風(fēng)險[29]。

2.4.2 攻擊行為與社會認知 社會認知理論的使用會幫助我們更好地理解精神分裂癥病人表現(xiàn)出的攻擊行為[30]。社會認知被定義為涉及社會信息的感知、解釋和處理的認知領(lǐng)域，它保證了人與人之間的正常社會交往。由Green等[31]改編的社會認知模型表明，社會認知在神經(jīng)認知和功能結(jié)局之間起著中介作用，改善社會認知缺陷或減少社會認知偏差可能對精神分裂癥病人產(chǎn)生積極的康復(fù)結(jié)果。社會認知主要包括情緒知覺、社會知覺、心理理論和歸因方式等高級認知加工過程。Araya等[32]研究表明，社會認知干預(yù)可幫助精神分裂癥病人減少憤怒、敵意、攻擊行為，提高面部情緒識別能力，有助于病人的社會康復(fù)。此外，研究認為將心理理論和認知理論作為一種重要的干預(yù)手段，可以減少精神分裂癥病人的攻擊和暴力行為[33]。

2.4.3 攻擊行為與社會動機 社會動機是指激發(fā)和引導(dǎo)個體從事社會活動，在社會交往中尋求和獲得快樂，建立和維持社會聯(lián)系的生理和心理因素的內(nèi)在傾向。精神分裂癥病人的社會動機障礙是指社會活動的內(nèi)在動機較低。社會性贊賞是指在社會環(huán)境中鼓勵個體更多參與社會活動的刺激因素，如表揚、微笑等，而引發(fā)個體回避行為的刺激因素是社會懲罰因素，如批評、負面表達等[34]。因此，對獎勵或懲罰的期望會影響個人的社會動機，進而影響攻擊行為和社會功能。精神分裂癥病人在利用情緒體驗形成價值績效、形成早期獎勵和動機目標、形成目標導(dǎo)向行為的過程中存在障礙，不能得到預(yù)期的結(jié)果，導(dǎo)致功能障礙[35]。因此，探索精神分裂癥病人的社會動機損傷特征及評價其是否可以作為攻擊行為風(fēng)險早期識別和預(yù)測臨床結(jié)局的敏感指標，可為制定精神分裂癥預(yù)防攻擊行為的早期干預(yù)策略提供新的方向。

3 小結(jié)與展望

精神分裂癥攻擊行為的發(fā)生為多系統(tǒng)因素綜合作用的結(jié)果，以往研究多從相關(guān)臨床及生物學(xué)特征、心理社會因素等方面利用傳統(tǒng)數(shù)學(xué)模型進行預(yù)測，但預(yù)測力較差。近年來人工智能技術(shù)在精神疾病預(yù)防、早期篩查、診斷、治療和康復(fù)方面的預(yù)測得到初步驗證，但如何利用人工智能技術(shù)對精神分裂癥有攻擊行為風(fēng)險的人群進行早期識別，同時統(tǒng)籌醫(yī)院、社區(qū)衛(wèi)生資源，實現(xiàn)對精神分裂癥病人的動態(tài)評估與管理，是亟須解決的重點問題。因此，未來研究應(yīng)考慮使用多種手段對精神分裂癥病人進行攻擊行為風(fēng)險預(yù)測和精準管理，達到降低精神分裂癥病人攻擊行為發(fā)生率及疾病復(fù)發(fā)風(fēng)險，同步提高病人心理社會功能，改善精神分裂癥病人預(yù)后，以期為臨床相關(guān)部門制定精神分裂癥攻擊行為風(fēng)險管理政策提供理論支撐和決策依據(jù)。