2026年新春伊始，由BETVICTOR医公司附属精神卫生中心、BETVICTOR伟德李春波教授和德国慕尼黑工大Stefan Leucht教授团队联合牵头的一项系统评价在《柳叶刀》以论著形式正式刊发。该研究比较了24种抗精神病药物治疗急性期精神分裂症疗效与耐受性，是迄今样本量最大、涵盖新药最全、并纳入中国临床研究的最新循证证据。研究纳入438项随机对照试验，共包括78193名参与者。研究涵盖了23种以多巴胺受体阻断为主要机制的抗精神病药物，以及2024年获批的新型毒蕈碱受体激动剂呫诺美林-曲司氯铵（xanomeline-trospium）。研究的主要结局为总体精神症状改善情况，次要结局包括阳性症状、阴性症状、抑郁症状、认知功能、生活质量、社会功能以及耐受性指标。该研究在2019年综述的基础上对纳入的抗精神病药物进行扩展，包括呫诺美林-曲司氯铵、奥氮平-萨米多芬、卢美哌隆、布南色林、哌罗匹隆、非口服制剂（长效肌肉注射或皮下注射以及透皮给药），还纳入了儿童和青少年（18岁以下）、老年期患者（65岁以上）以及首次发作、对既往抗精神病药物治疗无效或不耐受、以及合并药物滥用障碍的个体。此外，该研究提供了33项结局指标的证据，包括临床相关结局指标，如认知功能、胆碱能不良事件、性功能相关不良事件、心率异常、白细胞计数减少和癫痫发作。所有24种药物的疗效均优于安慰剂，标准化均数差在-0.90至-0.23之间。其中，氯氮平、氨磺必利、奥氮平和利培酮在改善总体症状方面优于至少三种其他药物，且其95%置信区间排除了“非常小”的效应值，提示这些差异具有临床意义。除疗效外，在选择个体化用药时还需考虑多样化的副作用。在通常副作用较轻的部分多巴胺受体激动剂中，阿立哌唑因其中等疗效可能更受青睐。布南色林疗效中等和卢美哌隆也属于副作用较少的药物，但卢美哌隆在疗效上排名最末。加用萨米多芬对减轻奥氮平引起的体重增加作用有限。毒蕈碱类药物似乎是有前景的化合物，因为呫诺美林-曲司氯铵在疗效方面排名前三分之一，且不引起与多巴胺受体阻断剂相关的副作用，但具有胆碱能和抗胆碱能效应。对于循证医学而言，纳入随机化方法不当的研究和不可靠的数据可能导致误导性的Meta分析结果。因此，本研究中方团队通过电话访谈、邮件、平信问卷的方式联系5117项中文RCT的第一作者和通信作者，以了解随机化程序的详细信息，但仅有349个研究进行了有效回复。在回复问卷的研究中，仅24项中文研究确认了适当的随机化方法和数据真实性，最终纳入了Meta分析。虽然相比中文发表的精神分裂症临床研究数量很少，但这也是首次被纳入大型的系统评价研究。综上，该研究提供了最新最全面的抗精神病药物比较证据，提示不同药物在疗效和副作用方面存在差异。研究结果支持在临床指南中更明确地反映这些差异，为进一步个体化用药选择提供参考依据。研究同时指出，未来需开展更多头对头研究，尤其是针对呫诺美林-曲司氯铵与传统药物的比较，以及氯氮平在早期治疗阶段的应用研究。BETVICTOR医公司附属精神卫生中心、上海市重性精神病重点实验室朱怡康副研究员是共一作者，董愉博士生、官世伟博士生、王嘉曦博士生是共同作者，研究也得到BETVICTOR医公司仇晓春研究馆员等老师和研究生的帮助。本研究受到了国家自然科学基金国际合作与交流项目（82161138021）和德国研究基金会项目（468853597）的联合资助。参考文献Johannes Schneider-Thoma*, Yikang Zhu*, Mengchang Qin, Yu Dong, Shiwei Guan, Jiaxi Wang, Jing Tian, Xiao Lin, Alessandro Rodolico, Spyridon Siafis, Irene Bighelli, Melanie Wehner, Christina Veith, Felix Krayer, Elfriede Scheuring, John M Davis, Josef Priller, Adriani Nikolakopoulou, Georgia Salanti, Chunbo Li†, Stefan Leucht†, Comparative efficacy and tolerability of antidopaminergic and muscarinic antipsychotics for acute schizophrenia: a network meta-analysis of randomised controlled trials indexed in international English and Chinese databases, Lancet 2026; 407: 876–91

近日，陈安涛教授团队系统整合了计算机化工作记忆训练领域的行为学与神经影像学证据，首次在同一元分析框架下，同时考察了其行为效果、训练参数、迁移机制及神经相关基础，为理解数字化认知训练如何促进认知健康提供了新的综合证据。该研究成果近期发表于数字医学领域高影响力期刊npj Digital Medicine（大类1区top，影响因子15.1）。工作记忆是人类认知系统的核心成分之一，承担信息短时保持与在线加工的重要功能，并与注意控制、执行功能和推理能力密切相关。从课堂学习到日常决策，从问题解决到目标维持，工作记忆始终在背后支撑着个体的认知运转。随着年龄增长以及疾病、应激等不利因素的累积，认知功能常出现多维度下降。传统药物干预在延缓认知衰退方面仍存在局限，因此，低风险、可推广、可长期实施的非药物干预日益受到关注。计算机化工作记忆训练因具有标准化实施、过程可监测、难度可自适应调整等优势，被视为数字医学背景下具有应用前景的认知干预方式。然而，既往关于工作记忆训练的综述多聚焦单一层面的行为结果，或仅从神经影像角度讨论训练效应，尚缺乏将行为收益与脑功能变化纳入统一分析框架的研究。围绕这一问题，研究系统检索PubMed、Web of Science、PsycINFO、MEDLINE和Embase等数据库，最终纳入45项符合标准的神经影像研究，共涉及1492名参与者，平均年龄33.71岁，涵盖认知健康人群及部分认知受损群体。研究同时采用多变量元分析与基于坐标的脑影像元分析，对计算机化工作记忆训练的效果进行综合评估。研究结果显示，与对照组相比，计算机化工作记忆训练可显著提升个体在认知任务中的表现，呈现出中等程度的总体行为效应（Hedges’ g = 0.503，95% CI [0.363–0.642]）。在脑功能层面，训练后任务相关激活在多个关键脑区呈现稳定下降，主要涉及左侧角回、双侧额上回、右侧顶下小叶、左侧小脑及右侧额中回。上述结果表明，计算机化工作记忆训练不仅能够带来行为层面的认知收益，还伴随着大脑功能募集模式的相应调整。进一步分析发现，任务类型、训练依从性、总训练剂量和年龄是影响计算机化工作记忆训练效果的重要因素。具体而言，相较于未训练任务，训练任务上的行为增益更为显著；总训练剂量越高，个体的行为改善越明显，同时额上回激活下降幅度也越大；训练依从性越高，神经调节效应越显著。年龄虽然未显著调节行为改善，但年龄较大的参与者在右侧额中回表现出更明显的激活下降。上述结果表明，计算机化工作记忆训练的效果不仅取决于是否接受训练，还与训练剂量、完成质量以及任务类型和适用人群等因素密切相关。值得注意的是，研究进一步发现，左侧角回激活下降与认知行为改善显著相关，提示该脑区可能是连接训练与认知收益的重要神经节点。与此同时，左侧角回与右侧顶下小叶、左侧小脑之间，以及额上回与右侧顶下小叶、右侧额中回之间，均表现出显著的跨区域协同变化。这表明，计算机化工作记忆训练的作用并非局限于单一脑区，而更可能通过调节额顶叶—小脑相关网络的整体功能组织方式，促进认知加工效率的提升。基于上述发现，研究认为计算机化工作记忆训练具有较好的可扩展性和转化潜力，可作为支持认知健康的数字化干预框架。尤其是训练剂量和依从性可以通过数字平台进行客观量化与动态监测，这为未来开发个体化、可持续优化的认知训练方案提供了现实基础。与此同时，研究也指出，当前证据主要来源于任务行为表现和任务相关脑激活，训练收益能否进一步迁移到日常生活中的真实认知功能改善，仍有待后续研究深入检验。 论文通讯作者为BETVICTOR伟德陈安涛教授。本研究得到国家自然科学基金项目（32371105, 325）的资助。论文信息：Li, G., Liu, Y., & Chen, A. (2026). Meta-analysis of computerised working memory training: Behavioural gains, training parameters, transfer mechanisms, and neural correlates. npj Digital Medicine. https://doi.org/10.1038/s41746-026-02478-9

近日，BETVICTOR伟德傅小兰/刘鑫研究团队与拉彭兰塔-拉赫蒂工业大学、奥卢大学、东南大学等国内外合作单位共同完成的研究成果“EmotionHallucer: Evaluating Emotion Hallucinations in Multimodal Large Language Models”被人工智能领域顶级会议 ICLR 2026 (International Conference on Learning Representations, CCF-A类会议)正式接收。本研究成果首次面向情感计算领域提出专门用于检测和分析多模态大语言模型\\\"情感幻觉\\\"的评估基准，系统揭示了当前主流模型在情感理解方面的深层缺陷，为构建可信情感AI提供了重要的评测依据，填补了情感计算领域情绪幻觉评估的空白。◆ 成果速读 ◆本研究构建了全球首个多模态大语言模型情绪幻觉评估基准 EmotionHallucer，从情绪心理学知识与真实世界多模态情绪感知两大维度，系统评测了 41 个主流大模型在情绪理解中的\\\"幻觉\\\"问题，并提出了即插即用的 PEP-MEK 框架，显著降低多模态大语言模型的幻觉现象。◆ 成果介绍 ◆情绪理解是人工智能最基础却最具挑战性的任务之一。近年来，多模态大语言模型展现出强大的跨模态理解能力，并在情绪识别、情感对话、共情交互等方向显现出巨大潜力。然而，这些模型常常会\\\"一本正经地说错话\\\"：输出看似合理、实则与事实或输入不一致的内容，这一现象被称为幻觉（Hallucination）。与一般的物体或场景幻觉不同，情绪幻觉更加隐蔽、更难察觉：情绪本身具有主观性，蕴含认知评估、生理反应、文化与社会线索等复杂机制。一旦大模型在临床心理、教育陪伴、司法辅助等高风险应用中产生情绪幻觉，可能带来比一般事实性错误更严重的风险。然而，现有幻觉评测基准几乎全部聚焦于通用视觉–语言任务，情绪领域的幻觉评估长期处于空白状态。图1. EmotionHallucer 的研究动机与基准概览。(a) 基于情绪心理学的\\\"成分过程模型\\\"与\\\"动态系统观\\\"，人类情绪理解源于认知评估、生理变化、主观感受与外显行为之间的动态交互；而 MLLMs 仅能从外显行为线索中进行数据驱动学习，难以推断底层情绪状态。(b) EmotionHallucer 覆盖情绪知识与多模态感知两大维度，共 7 个子类别 × 4 种模态。◆ 研究动机 ◆当前多模态大模型的情绪理解面临两大核心挑战：一方面，人类情绪源于先天生物机制与终身社会化学习的交互，具有具身性与体验性；而 MLLMs 仅凭大规模语料与视听数据进行统计学习，缺乏情绪产生的内在机制支撑。另一方面，情绪理解同时依赖心理学知识与多模态感知两类能力，而现有评测方法往往无法将两者分离，导致模型的\\\"幻觉行为\\\"难以被准确刻画。情绪心理学经过数十年积累，已为情绪的产生、感知、调节与表达提供了丰富的理论与实证依据。若能将心理学知识体系与严格的对抗式评测机制相结合，将有望从数据与评估层面系统揭示大模型情绪理解的能力边界，推动\\\"懂情绪\\\"的可信 AI 迈出关键一步。◆ 研究贡献 ◆该研究提出 EmotionHallucer 基准及配套的 PEP-MEK 框架，主要贡献如下：1. 首创情绪幻觉评估范式。首次系统地界定、分类并量化多模态大模型中的\\\"情绪幻觉\\\"，将其划分为情绪心理学知识幻觉（Theory / Definition / Finding）与多模态情绪感知幻觉（Category / Intensity / Reasoning Result / Reasoning Cue），为情感计算领域提供了通用的幻觉评估基准。2. 心理学理论驱动的高质量基准构建。以权威情绪心理学教材及经典理论为知识来源，结合 SOUL、Twitter15/17、RAVDESS、MER 2023、Social-IQ 2.0 等真实世界数据集，构建涵盖文本、图像、语音、视频四种模态的对抗式二元 QA 题目，每题由\\\"基础问题 + 幻觉问题\\\"成对构成，严格控制语言偏置。3. 对 41 个主流大模型的系统评测。覆盖从开源到闭源、从通用到情感专用、从 7B 到超大参数规模的 41 个 LLM/MLLM，评测结果显示当前大多数模型在情绪幻觉上存在显著问题，多数开源模型甚至无法超过随机猜测的 25% 基线。4. 即插即用的 PEP-MEK 框架。针对\\\"感知弱于知识\\\"这一发现，本研究提出 Predict–Explain–Predict with Modality and Emotion Knowledge (PEP-MEK) 框架，通过引导模型显式抽取模态线索与情绪知识并进行\\\"预测—解释—再预测\\\"式推理，在三类代表性模型（Qwen2.5-Omni、Emotion-LLaMA、Gemini-2.5-Flash）上平均带来 9.90% 的准确率提升，其中情感专用模型 Emotion-LLaMA 提升高达 16.38%。图2. EmotionHallucer 样例与 PEP-MEK 框架。(a) 每一题均由\\\"基础问题 + 幻觉问题\\\"成对构成，仅在两题均正确时才计为正确，显著降低了语言偏置和随机作答的影响；(b) PEP-MEK 首先引导模型从多模态输入中抽取模态特异性线索与情绪心理学知识，生成初步预测与解释，再结合解释进行二次预测。◆ 研究创新 ◆本研究实现了三大理论与技术突破：1. 情绪幻觉的双维度评估体系。首次将\\\"情绪心理学知识\\\"与\\\"多模态情绪感知\\\"两条幻觉脉络系统纳入同一评测框架，覆盖 7 个子类别与 4 种模态，为后续可信情感 AI 研究提供了标准化的评测底座。2. 对抗式二元 QA 评测策略。针对传统 caption-based 评测易受提示设计与长度影响的问题，采用严格配对的基础–幻觉对抗式问答，并引入 Yes Percentage Difference 与 False Positive Ratio 等偏置指标，系统刻画模型的\\\"过度肯定\\\"与\\\"过度否定\\\"倾向。3. 心理学知识驱动的幻觉缓解范式。PEP-MEK 不依赖模型重训，仅通过结构化提示即可显著降低多模态情绪感知中的幻觉，为\\\"知识注入 + 推理显式化\\\"的可信情感 AI 路径提供了可迁移的实践样本。 ICLR (International Conference on Learning Representations) 是人工智能领域的顶级会议。· 论文链接： https://arxiv.org/abs/2505.11405· 发表会议： ICLR 2026· 作者： 邢博浩, 刘鑫, 赵国英, 刘澄玉, 傅小兰, Heikki Kälviäinen· 引用信息： B. Xing, X. Liu, G. Zhao, C. Liu, X. Fu, and H. Kälviäinen, “EmotionHallucer: Evaluating Emotion Hallucinations in Multimodal Large Language Models,” International Conference on Learning Representations (ICLR), 2026.