青少年精神分裂症与强迫症患者的多维认知与语言特征分析：基于机器学习和可解释人工智能的方法

青少年时期出现的分裂型强迫症表现仍然缺乏足够的研究，尤其是在认知、语言和社会认知方面。本研究采用基于支持向量机的可解释机器学习框架，探讨了与精神分裂症、强迫症以及青少年时期的分裂型强迫症相关的临床、神经认知、社会认知和思维-语言特征。研究对象包括182名青少年：其中27人同时患有精神分裂症和强迫症，55人仅患有精神分裂症而无强迫症状，100人仅患有强迫症而无精神病性症状。该模型整体表现出较高的分类性能，不过在分裂型强迫症组中的分类效果稍差，这表明分裂型强迫症可能同时具有精神分裂症和强迫症的特征。Shapley Additive Explanations分析结果显示，强迫症状负担和阴性症状负担是影响分类的主要因素，而社会认知、言语流畅性、言语记忆、执行功能、处理速度、思维-语言组织能力以及语调特征也对这些特征的分类起到了重要作用。研究结果表明，分裂型强迫症的表现可能涉及更广泛的认知和语言特征，而不仅仅是症状层面的重叠，因此有必要采用多维度的方法来评估其临床表现。