《L'Encéphale》：A phenomenological representation of neurodevelopmental disorders in children and adolescents: A graphic organization
编辑推荐：
精神病学分类学既服务于临床需求，也服务于研究需求，其通过提供共同语言并为医疗卫生规划提供信息支持而发挥作用。然而，针对神经发育障碍的评估与照护管理，跨诊断方法（transdiagnostic approaches）的发展趋势正在增强。在儿童期和青春期，症状通常
精神病学分类学既服务于临床需求，也服务于研究需求，其通过提供共同语言并为医疗卫生规划提供信息支持而发挥作用。然而，针对神经发育障碍的评估与照护管理，跨诊断方法（transdiagnostic approaches）的发展趋势正在增强。在儿童期和青春期，症状通常表现为发育迟缓。这些症状常常跨不同障碍而相互重叠，从而增加诊断难度。为反映这种多维症状学（symptomatology），研究人员提出了一种神经发育障碍现象学（phenomenology）的可视化方式，使个体更易被分析为由诊断标准构成的网络，而这些标准之间的相互作用可彼此补偿，并决定其病理性、高风险或健康性影响。此类空间组织方式可使诊断标准按时间顺序排列、进行优先级设定，并在类别性诊断之外实现更有效的共享。研究人员依据主要参考手册中的现象学与症状学术语层级，以及最新国际综述所报告的教学性共识，对神经发育障碍症状进行了归组。这些症状归入4个主要领域：认知、情绪、行为和运动，而操作性诊断标准则被组织为具有顺序概念的多尺度层级结构，并遵循一种环形树状结构，即“sunburst”。研究人员提出了一种图形化、可视化、动态化和层级化的组织方式，以更便捷地处理用于儿童、青少年及青年成人（5–25岁）的全部现象学术语，并将其传达给相关参与方。尽管该可视化表征并非穷尽无遗，但其旨在促进精神病学现象学的应用，同时保持对科学知识与临床实践的批判性、动态性和演化性态度。
该文发表于《L'Encéphale》，核心目标是为儿童与青少年神经发育障碍（NDDs）的评估与临床沟通建立一种兼具现象学深度、跨诊断视角与可视化表达能力的图形化组织框架。研究背景在于，神经发育障碍是全球青少年常见致残性疾病之一，早期起病、症状持续时间长，并常伴随学业受损、自尊下降、社会隔离甚至自杀意念等严重后果。现有临床实践主要依赖《精神障碍诊断与统计手册》第5版（DSM5）与《国际疾病分类》第11版（ICD11）等类别学系统完成诊断，这些体系虽有利于临床交流和卫生决策，但难以充分刻画神经发育障碍在症状异质性、共病性、跨领域重叠及时间演变方面的复杂性。与此同时，研究领域已出现从类别诊断走向维度化、跨诊断和网络化理解的趋势，例如研究领域标准（RDoC）、精神病理学层级分类（HiTOP）、症状网络理论以及计算现象学（computational phenomenology）等框架，但这些框架在日常临床中的可操作性仍然有限。因此，开展本研究的必要性在于：如何在不替代传统分类系统的前提下，将类别、维度和网络三种视角转译为一种便于临床推理、纵向监测和多方沟通的实用工具。
研究人员围绕这一问题，提出了“sunburst”图形化模型，用于组织儿童、青少年与青年成人神经发育障碍相关的现象学与症状学信息。该模型以环形树状结构呈现分层信息，将神经发育障碍症状放置于认知、情绪、行为和运动4个核心半学轴之下，并进一步细分为多层级子领域和终末症状节点。研究强调，个体不应仅被看作落入某一固定诊断类别，而应被理解为由多项症状及其交互关系所构成的动态网络。研究得出的主要结论是：一种图形化、层级化、交互式的现象学组织方式，可以在保留临床诊断可靠性的同时，更好呈现神经发育障碍的多维特征、帮助临床人员进行差异诊断与整体性评估，并改善与患者、照护者及多学科团队之间的信息共享。其重要意义在于为精准精神病学（precision psychiatry）提供了一个从理论走向临床转化的中介工具，也为跨诊断精神病理学的临床表达方式提供了具体原型。
在方法上，研究人员首先综述了DSM5、ICD11、国际功能、残疾和健康分类儿童青少年版（ICF-CY）、RDoC、HiTOP及症状网络理论等主要参考体系，并结合国际综述共识与法国国家卫生机构建议，构建神经发育障碍临床推理路径。随后，由2名精神科临床医师、2名计算科学研究者和2名神经科学研究者协作筛选最具诊断结构意义的症状和维度，将其按现象学层级归纳到认知、情绪、行为和运动4个主域中，再以“sunburst”形式进行多层级可视化组织。研究还提出MindScore颜色编码系统，以标准化分数表示个体相对于人群常模的状态，并通过Nuxt与Plotly.JS实现交互式网页工具。本文并未采用患者样本队列开展验证性研究，而是以概念建模和工具原型构建为主。
**3.1. Phenomenology for neurodevelopmental disorders relying on four core domains**
研究结果首先表明，针对儿童与青少年神经发育障碍的现象学文献回顾支持以图形化形式组织临床推理。研究人员据此确定4个核心领域。认知域涵盖注意、执行功能、工作记忆、奖赏时间折扣、抑制和唤醒状态等，这些因素是行为表现与任务完成的重要调节变量。行为域涉及习惯性或情境依赖性行动，影响个体在人际互动、交流及社会文化情境中的适应能力。情绪域或气质/人格相关域用于解释神经发育障碍异质性，包含易激惹、情感调节、社会互动和沟通互动等特质，并指出儿童期气质与青少年、青年成人期相关人格特质可为将情绪调节整合进精神病理模型提供框架。运动域则反映动作模式质量作为神经发育指标的意义，当该域受损时，动作行为相较年龄常模会表现为紊乱、突兀或失序。研究人员据此认为，这4个域能够支持临床医师超越单一类别标签，整合多个维度描绘患者表型，并识别诊断与预后评估中那些复杂且可能被遮蔽的临床特征。
**3.2. The “sunburst,” a graphical and visual representation of NDDs in clinical practice**
第二部分结果集中展示了“sunburst”作为临床工具的结构与用途。研究人员指出，尽管经验丰富的专家能够识别每位患者特有的神经发育障碍模式，但现实中专科资源不足、就诊可及性有限以及时间成本高，常导致诊断延迟，尤其在医疗资源不足地区更为明显。为此，图形化临床推理工具有助于缩短诊断徘徊过程并提升照护效率。研究中共分级整理了312项症状，其中行为症状183项，占58.7%；认知症状65项，占20.8%；运动症状33项，占10.6%；情绪症状31项，占9.9%。这一结果显示，行为维度在神经发育障碍表征中占据最广范围，但其余三个维度同样不可忽视。作为数字化工具，“sunburst”不仅提供整体的层级式症状分布，还可为临床医师呈现各域描述和评估细节，从而支持对受影响维度的快速而全面把握，改善照护决策。研究人员特别强调，这种可视化并非提出新的分类体系，而是把现有国际共识转化为更适于临床推理和多方交流的表现形式。
**4.1. Streams of development**
在讨论的第一部分，研究人员从发育流（streams of development）的角度说明该工具的理论适配性。发育史评估要求同时考察多个发育流，以识别里程碑获得模式。不同发育流之间的比较可能揭示发育延迟或发育分离现象，从而支持特定发育诊断。所谓“模式学诊断”能够识别发育障碍谱系中占主导地位的障碍类型。若仔细审查那些并不完全属于主要谱系诊断的体征，则可能提示附加临床状态，或提示存在沿发育障碍连续体分布的特征，需要有针对性的干预。研究人员借此强调，谱系观突出不同发育障碍之间的区别，而连续体观则强调共享体征与症状；“sunburst”因具备层级化、多域并置与纵向观察能力，适合承载这种复杂的发育模式信息。
**4.2. Graphic Visualization**
在讨论的第二部分，研究人员进一步论证图形可视化的临床价值。其认为，将症状进行空间化、层级化和关系化呈现，能够超越传统列表或表格的信息承载方式，使复杂症状共现结构在视觉上变得清晰，从而帮助临床人员进行模式识别、跨领域比较和纵向推理。研究人员在文献综述基础上确认，认知、行为、情绪和运动4个核心域是当前神经发育障碍现象学中具有共识性的组织框架，并将这些域封装到sunburst之中。文中指出，当前版本sunburst所映射的症状数量少于DSM5或ICD11等类别系统，但诊断本身对功能结局、学业表现、社会适应和个人影响的预测力有限，因此仅依赖类别诊断并不足以决定最合适的照护层级。若未来进一步整合ICF-CY中的功能与环境因素，将有望增强个体化评估和干预能力。研究人员还指出，sunburst特别适合呈现通常被理解为“共病”或跨诊断重叠的复杂现象学图景，因为其通过认知、情绪、行为和运动四域对症状进行层级组织，有助于整体理解患者症状结构，并识别影响临床结局的调节因素。尽管颜色编码的MindScore系统尚未经过大规模验证，但其在纵向随访中有望帮助识别关键维度变化、聚焦干预靶点以及提示尚未充分探索的领域。除此之外，该工具还具有重要的沟通与教育价值：它能以直观方式向患者、家庭成员及非医疗专业人员解释症状模式、诊断思路和治疗重点，促进理解、协作与依从性。文章进一步指出，在常规临床流程中，sunburst可支持初诊评估、病例构建、暂定诊断、治疗方案制定以及随访监测等多个阶段，并有助于防止临床关注过度集中于“核心诊断”，从而忽视潜在共病、鉴别诊断以及影响治疗结局的气质/人格特质。
总体而言，讨论部分认为，sunburst目前应被视为概念验证（proof-of-concept）工具，而非已经完成充分验证的临床量表或正式诊断工具。其首要贡献在于证明：现象学数据可以被构造成一个交互式、层级化、跨诊断的视觉框架，并在临床沟通和诊断推理方面展现潜在效益。研究人员同时明确指出，未来仍需开展大规模验证研究，以评估其预测效度、在不同临床场景中的可用性，以及与标准化评估体系的兼容性。该工具因此处于从概念模型走向临床应用的转化连续体中间阶段，承担着连接精神病学分类学新进展与未来儿童青少年精准精神病学实践的桥梁作用。
研究结论部分可概括为：研究人员提出了一种名为“sunburst”的综合性可视化工具，用于表征神经发育障碍的多维症状学及其详细综合征谱。该工具强调共享格式下的集体理解与沟通价值，适用于医护人员、患者、照护者及社会工作者之间的信息传递。通过超越单纯类别诊断的多维组织方式，sunburst可支持临床推理、促进鉴别诊断，并为个体化照护提供线索，与精准精神病学方向相一致。文章还指出，未来若结合机器学习（machine learning）、人工智能（AI）、生物学数据、数字表型（digital phenotyping）和纵向评估，该框架有望进一步增强对潜在症状交互、疾病轨迹与治疗反应的刻画能力。不过，在这些发展真正转化为广泛适用的临床实践前，仍需在不同人群与临床环境中进行系统验证，以确保其适用性、准确性和实际效益。
