如果你是一位精神科醫生，一位重度抑郁患者坐在你對面，你會如何為他選擇抗抑郁藥？依靠臨床經驗？查閱最新指南？還是——開一張昂貴的藥物基因檢測？

2026年發表在JAMA上的一項名為PETRUSHKA的大規模隨機對照試驗，給出了一個令人意想不到的答案：選擇抗抑郁藥，與其依賴那些玄之又玄的基因標志物和腦影像，不如先花點時間問問患者本人，他對藥物的副作用有什么偏好。

這個結論聽起來有點樸素，甚至有點“反高精尖”的意味。但它背后隱含的信息，卻深刻觸及了當代精準精神醫學的一個核心困境：我們賴以自豪的生物標記，真的有我們想象的那么可靠嗎？

比生物標志物更可靠的，或許只是一次認真的問診

在過去幾十年里，精準精神醫學的從業者們一直在做一件事：尋找一個可重復的生物標志物，從基因到影像，從血樣到腦電圖，試圖找到一根能完美預測藥物反應的“魔杖”。

遺憾的是，結果往往令人失望。正如Gregory Simon博士在同期JAMA社論中所言：早期試圖通過臨床特征進行亞型分型的努力未能預測特異性抗抑郁藥應答，而藥物基因組學、影像學等其他生物標記研究也未能找到可重復的預測因子。這種困境的根源在于，抑郁癥本身的異質性遠超想象——影響預后的因素涵蓋了從臨床癥狀到社會心理變量的巨大光譜，單憑任何一種生物學指標都難以全面捕捉。

PETRUSHKA研究走了一條完全不同的路。它開發的在線決策支持工具沒有動用任何實驗室檢測，而是單純基于患者的臨床特征和人口學信息（年齡、性別、既往病史、當前癥狀嚴重度等），再結合患者本人對不良反應的個人偏好——比如有的患者無法忍受體重增加，有的不能接受白天嗜睡——生成一個個性化的抗抑郁藥排序推薦清單，供醫患共同決策。

數據說話：全科醫生用了效果驚艷，精神科醫生用了“白費功夫”？

這項研究在巴西、加拿大和英國的47個中心納入超過520名抑郁患者，隨機分為兩組：一組使用PETRUSHKA工具選藥，另一組接受常規治療。

結果頗為耐人尋味：

在普通診療場景，PETRUSHKA的價值非常突出。接受全科醫生處方的常規藥物的患者，8周內因任何原因停藥的比例高達28%，而使用PETRUSHKA工具輔助選擇的患者，這一比例降至16%，絕對降幅達到12個百分點。PETRUSHKA組因不良事件停藥的比例僅9%，而常規組則高達16%（校正后相對風險0.59，P=0.04）。

更深入的24周隨訪數據同樣顯示了工具的遠期優勢。在抑郁癥狀改善方面，PETRUSHKA組的PHQ-9評分降至7.1分，而常規組為9.2分，校正后的組間均差為?1.92分（P<0.001）。焦慮癥狀GAD-7評分方面，PETRUSHKA組為4.6分，常規組為5.8分（校正后均差?1.39分，P=0.002）。

然而，在精神科專科醫生手里（這部分亞組分析雖然缺乏正式統計效力，但效應方向清晰），PETRUSHKA卻毫無優勢可言。

Cipriani博士本人也坦言：如果你是受過專業訓練的精神科醫生，PETRUSHKA的效果未必優于你的個人臨床判斷。

這一結果的根源是什么？

原因或許并不復雜：精神科醫生在日常診療中已經通過問診、觀察和經驗將高度個體化的用藥考量內化為臨床本能，而全科醫生面對抑郁時往往面臨更大的開藥偏好差異、更有限的隨訪時間和更高的停藥風險。有研究顯示，全科醫生的抗抑郁藥處方很大程度上取決于個人熟悉度或地域慣例，而非個體化預測，這種模式本身就限制了指南推薦的治療策略的落實。

更深層的原因則在于患者群體的差異性。Simon博士在社論中指出，主動尋求專科診療的患者本身可能具有更高的治療動機和更強的服藥依從性，這種內在動力本身就足以抵消任何個體化推薦有可能帶來的額外獲益；反之，在全科場景下，工具提供的那種結構化的、明確的推薦對改善依從性和降低早期停藥風險的作用則更加凸顯。

精準精神醫學，到底該往哪走？

PETRUSHKA研究揭示了一個值得反思的事實：為抑郁患者選擇抗抑郁藥，與其依賴昂貴的基因檢測或復雜影像，不如首先充分了解患者本人的顧慮——比如，他最難以耐受的副作用是什么？體重增加、日間困倦，還是其他？

這套工具不依賴任何實驗室檢查，僅通過在線問卷采集臨床特征與患者偏好。結果顯示，在社區醫生（全科醫生）手中，它的價值非常明確：8周內因各種原因停藥的比例從28%降至16%，6個月后的抑郁及焦慮評分也顯著更優。然而，在精神科專科醫生手中，該工具并未顯示出額外優勢。

個中原因并不復雜：精神科醫生的決策高度依賴長期積累的臨床經驗與個人直覺，而這些經驗很難被標準化和規模化推廣。與此同時，大量抑郁患者在基層首診時面臨漫長的等待、頻繁的換藥和較高的停藥率——他們往往無法在短期內獲得專科服務。

因此，真正的“精準”未必意味著更高端的設備或更復雜的檢測，而是將專家的臨床智慧轉化為可及、易用、標準化的決策工具，讓一線醫務工作者能夠便捷地使用。一位患者或許無法很快見到精神科醫生，但他的社區醫生可以在幾分鐘內借助這樣的工具，為其制定一個合理且個性化的用藥方案。

這或許才是精準精神醫學的應有之義：優先考慮可及性與實效，而非單純追求技術上的高精尖。

參考文獻

1. Cipriani A, Fernandes KBP, Mulsant BH, et al. A decision-support system to personalize antidepressant treatment in major depressive disorder: a randomized clinical trial. JAMA. 2026;335(14):1219-1231.

2. Simon GE. Picking antidepressants—patient preferences beat biomarkers. JAMA. 2026;335(14):1212-1219.