精神障碍是全球高发、高负担的重大慢性疾病，目前影响全球近十亿人群，其造成的社会与医疗负担，已超越心血管疾病、恶性肿瘤等重大躯体疾病，成为全球性公共卫生难题。然而，精神科专业医疗资源长期处于严重短缺状态——高收入国家平均每10万人口拥有8.6名精神科医生，而中国仅为3.1名。由于精神疾病诊疗高度依赖对病史、精神检查等非结构化文本资料的解读，临床决策往往呈现出极强的经验依赖性与主观差异性，如何实现标准化、精准化的诊疗成为行业瓶颈。

针对上述挑战，首都医科大学附属北京安定医院王刚教授团队与上海交通大学金成教授团队展开深度合作。双方在2024年联合研发的精神医学大模型 PsychGPT 基础上，通过强化思维推理能力并嵌入专科辅助分析工具，升级研发出全新的领域特化大模型 PsychFound，同步搭建国内首个、国际专业度领先的精神科AI临床评测基准 PsychBench，解决了当前精神医疗AI缺乏标准化评测方案、临床适配性不足的行业短板，构建出从模型研发、效果评测到临床落地的全链条本土化解决方案。该原创性研究成果于2026年4月27日发表于人工智能顶级期刊 《Nature Machine Intelligence》。

图1：PsychCorpus、PsychClinical数据集与PsychFound三阶段研发框架

方法学突破：逻辑与数据双驱动，三阶段构建精神医学“专家脑”

团队建立了以逻辑与数据双驱动的科研体系，通过三阶段开发框架打造 PsychFound （见图1）：整合涵盖4000万token权威语料的 PsychCorpus，全面覆盖精神医学基础理论、临床指南、前沿研究，夯实模型专业知识储备；依托64588例国内真实精神科住院患者电子病历数据搭建 PsychClinical 数据集，贴合中国患者发病特征、本土诊疗规范与临床处方习惯。针对诊断与用药推荐等核心任务，采用强化学习（RL）技术模拟资深医生的临床思维逻辑，优化多步决策推理过程，创新集成治疗药物监测（TDM）与药理基因组学（PGx）插件，使其无缝适配真实的临床工作流。

实验发现一：参数效率与专业广度显著优于通用模型

在团队同步推出的 PsychBench 评测基准中，研究者对比了 PsychFound 与22个主流大语言模型（包括GPT-4、DeepSeek-R1等）的临床任务表现（见图2）。结果显示，仅拥有7B（70亿）参数规模的 PsychFound 在综合性能上显著优于多个超大规模通用模型，证明了深度领域优化在垂直医疗领域的优越性。项目组开展的一项涵盖60名高中低资历医生的Reader Study表明，PsychFound 的临床推理水平已与主治医师相当。在鉴别诊断的全面性以及识别禁忌证的准确性等细分维度上，模型展现出了稳健的专业水准，能有效识别临床中易被忽视的细微风险 。

图2：PsychFound与22个主流大语言模型在PsychBench上的综合性能和参数规模对比

实验发现二：前瞻性试验证实 AI 显著提升住院医师诊疗效能

为验证模型在真实场景下的实用性，团队在国家精神心理疾病临床医学研究中心开展了一项前瞻性随机对照研究（RCT）（见图3）。

结果显示，在 PsychFound 的辅助下，住院医师在诊断准确率上达到了72%，显著高于无辅助对照组的41%，选药准确率提升10%，且方案更加符合医学指南。单份病历撰写时间缩短约40%，有效减轻了医师的文书负担与认知负荷。在安全性层面，经资深专科专家独立盲审验证，模型生成的用药建议83%可直接适配临床场景，全程无违背诊疗指南、高危用药失误等风险，安全性与稳定性良好，具备大规模院内落地应用的核心条件。

图3：PsychFound临床实用性的真实世界前瞻性评估

总结与展望：

本研究是国内首个依托大规模本土真实病历、完整落地临床全流程、经过顶级期刊验证的精神疾病领域的垂直大模型研究。研究展示了从 AI 预测到临床证据回馈这一研究过程的可行性，证明了领域适配的大模型能够作为可靠的决策支持工具，改善精神科诊疗的一致性与效率。客观而言，现阶段模型仍存在优化空间：目前模型以文本数据为核心支撑，尚未整合影像、脑电、数字表型等多模态数据，且适配场景聚焦国内住院患者，跨地域、跨人群泛化性仍需持续验证；对患者长期预后、远期转归的干预价值，仍需更长周期的临床随访佐证。

未来，研究团队将持续迭代模型，整合多维度医疗数据，优化模型校准机制，持续打磨精准、安全、高效的国产化精神科AI辅助诊疗系统，推动精神科诊疗从“经验化、主观化”全面迈向标准化、同质化、精准化。

作者与资助信息： 

上海交通大学博士王若曦、刘抒予，以及北京安定医院主任医师张玲、副研究员朱雪泉为本文共同第一作者 。北京安定医院王刚教授与上海交通大学金成教授为共同通讯作者 。本研究得到了科技创新2030—“脑科学与类脑研究”重大项目（2021ZD0200600）、国家自然科学基金项目（62576210）等项目的资助 。

论文信息：

标题：A domain-adapted large language model to support clinicians in psychiatric clinical practice

DOI：10.1038/s42256-026-01224-w

访问链接：https://www.nature.com/articles/s42256-026-01224-w