本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

EV0464

LAGUN_精神分裂症：用于预测精神分裂症患者风险并减少病情急性加重的人工智能系统

LAGUN_SCHIZOPHRENIA: ARTIFICIAL INTELLIGENCE-BASED SYSTEM FOR PREDICTING RISKS AND MINIMIZING RELAPSES IN PATIENTS WITH SCHIZOPHRENI.

融合临床数据、患者报告数据和可穿戴设备数据的人工智能平台 LAGUN 已进入早期临床应用阶段；其预测性能及对病情急性加重的影响尚未得到验证。

本研究旨在开发并验证一个基于人工智能的数字健康平台，通过整合临床、行为和生理数据来识别数字生物标志物，预测个体病情急性加重的风险，并在患者从医院过渡到居家环境期间，为临床医生提供可用于指导行动的信息。LAGUN 整合了三类纵向数据来源：临床及情境数据（基线特征、临床病史、心理社会因素）、患者来源数据（通过移动应用自我报告的健康状况、日常活动和治疗依从性），以及被动采集的数字生物标志物（可穿戴设备获取的活动、睡眠和心血管测量数据）。人工智能分析模块对这些多模态数据进行处理，用于识别个体模式、检测相对于基线状态的偏离，以及预测病情急性加重的风险，并通过网页端仪表板向专业人员呈现结果。试点应用共纳入15名参与者，其中9名接受了可穿戴设备监测，累计监测481患者日，记录了147次从医院到居家的过渡；据报告，获准暂时离院居家期间的数据覆盖率为60.7%。应用过程中成功收集了纵向睡眠和呼吸频率测量数据，但也发现可穿戴设备衍生的部分变量存在缺失，并据此改进了数据处理流程。作者指出，目前队列规模较小，预测性能及其对病情急性加重和再住院的影响仍需更大规模的验证。研究最后指出，该平台旨在保留临床医生主导决策的前提下，支持持续性、预测性和个体化的精神分裂症照护，而前瞻性验证将揭示其预测和预防病情急性加重的能力。

全部 WCP 2026 摘要