原创RichardJM酷炫脑
Via：instagram
以下为朗读小姐姐全文音频
作者
RichardJMcNally
翻译
刘子涵
改写
棉花熊
审校
酷炫脑主创
朗读
胡恩
美工
老雕虫
编辑
小鱼
在过去的一百年里，关于什么是精神障碍的观点已经发生了根本性的变化。
在20世纪的大部分时间里，受精神分析法影响的精神病学家把精神疾病的症状解释为病人无意识的内部冲突的线索，而不是具体疾病的指标。因此，治疗的目的是为了识别和解决这些冲突。这一切在年代和70年代发生了变化：就像其他许多学科一样，精神病学受到了抨击。批评者对精神病学诊断的可靠性，甚至对精神疾病这一概念都提出了质疑。
当精神病学的声誉达到低谷时，一群以研究为导向的精神病学家试图恢复其职业的可信度。这些自称是新克莱佩林主义者的人恢复了精神病学家埃米尔克莱佩林所倡导的描述性传统，他认为仔细观察精神疾病的迹象、症状和过程可以为可靠的诊断提供基础。这反过来又可以指导对病因学和治疗发展的猜测。这一观点为精神病学的圣经——《精神疾病诊断与统计手册》（DSM）的关键性修订提供了依据。DSM-III（年）及其后的版本，反映了对每一类精神障碍的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，DSM的局限性在最近几年变得越来越明显。科学家们很难找到DSM中列出的精神疾病的生物标记，这促使美国国家精神卫生研究所的一位前所长怀疑我们的诊断类别是否只是被简化的标签，而不是真正的疾病实体。另一个令人担忧的原因是不同精神障碍经常同时出现。一个符合恐慌症、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，类似于一个人同时符合胰腺癌、艾滋病和新冠的诊断标准？对于后者，科学家已经发现了不同的病因，可以通过X射线、培养、活检和其他测试来确认这些病因。而目前所定义的精神障碍却不是这样的。
Via：《精神疾病诊断与统计手册》（DSM）
一个关于精神病理学的新视角有望帮助解决困扰新克莱佩林范式的问题。这就是网络观点，由荷兰心理测量学家丹尼博斯博姆（DennyBorsboom）和他的同事率先提出。博斯博姆的灵感来自于当代关于智力的理论研究——尤其是，它是如何从多个认知子系统的相互作用中产生的。根据他和其他人提出的网络观点，精神疾病，如重度抑郁症，本身就是一种突发现象。它产生于一个其组成元素（如睡眠、情绪和能量）之间相互作用的网络。
举个例子，一个在工作中经历过压力的人，现在难以入睡，接着疲劳感就可能会在第二天出现。疲劳感反过来又会影响他对于工作任务的专注力，并增加他的易怒性。易怒性又会使他更容易和同事产生冲突，加剧其他症状并激活其他症状（如绝望）。这些症状元素之间的因果互动可以相互加强，建立起我们称之为抑郁症的状态。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，抑郁症描绘出了从这些因果相互作用中而出现的症状系统。
近年来，关于精神病理学的网络观点已经激发了大量的研究。例如，AngliqueCramer、Borsboom和他们的同事说明了网络方法如何解决合并症的问题。例如，抑郁症和广泛性焦虑症的频繁出现，可能是两个部分重叠的综合症群的共同症状的一个可预测的结果。此外，通过将注意力从潜在的疾病实体的想法转移到症状和它们的相互作用上，网络方法避免了对每种疾病的生物标志物进行无用的搜索。我们的病因学重点可以转向研究环境压力（如丧亲）和内部压力（如病毒感染）如何激活症状，以及激活的状态如何在症状之间传播，从而启动精神病理学的发作。
Via：dribbble
为了更好地理解引起精神疾病的系统，网络分析研究人员将其分解为各个组成部分。利用计算和统计方面的重大进展，研究人员制作了图表，将精神病综合症描述为由线（边）连接的圆圈（节点）组成的网络。在大多数精神病理学网络中，节点代表症状，而连接一对症状的线表示它们之间的关联。线的粗细程度代表关联的大小，可解释为两个症状共同出现的概率。例如，在描述创伤后应激障碍的网络中，一条粗的线常常连接着代表夸张惊吓反应和对威胁过度警惕的节点。这代表着这些症状经常一起出现。大多数网络研究涉及分析精神疾病的体征和症状，这些体征和症状是在一个时间点上对许多人的评估中挑选出来的。
然而，相关的联系并不能确认是因果的关系。症状A与症状B重合的事实并不意味着症状A会导致症状B，反之亦然。也有可能是它们都互相影响，或者是另一个因素导致了它们之间的关联--类似于夏天可以解释冰淇淋消费变多和溺水死亡率提高之间的关联。
为了更好地了解症状之间的真正因果关系，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形模型（GGM），其中边缘线标志着调整了网络中所有其他节点的影响后，成对的节点之间的关联。这有助于澄清特定症状之间的直接关联。但这些线仍然不能表明影响的方向（例如，过度警觉是否会增加夸张惊吓反应）。一个补充的方法是计算一个有向无环图（DAG）。在DAG中，每条线都有一个箭头，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。虽然这种联系本身并不能证实节点B是由节点A引起的，但它表明，后代节点B的存在暗示着父代节点A的存在更有影响力。
Via：高斯图形模型（知乎
郝望骏）正如平均数和中位数为数据集中的中心趋势提供了两个互补的视角，这些方法也为一大群病人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产生的现象提供了第一步。
我和我的同事最近使用网络分析方法，探索了几百名双相情感障碍患者在参加临床试验前的抑郁症和躁狂症症状之间的关系结构。尽管单极性重度抑郁症一直是网络精神病理学研究者