社交焦虑症(SAD)是一种常见却常被忽略的精神障碍。当一个人预期他人可能对自己做出负面评价，或认为自己的存在会使他人不适时，便会表现出强烈的恐惧、焦虑及回避行为。传统诊断方法主要依赖认知症状评估及情绪、行为模式评价。随着智能手机与可穿戴设备的普及，通过这些设备获取的数字生物标志物，为精神健康诊断提供了一种全新的客观定量手段。哪些数字生物标志物可用于社交焦虑症的诊断？如何测量与分析？这些问题日益凸显。
近期，山东心理学会理事、济南大学心理系副教授乔福强领导的研究团队，在国际著名心理学刊物BMC Psychiatry (JCR Q2)上发表题为“ Digital biomarkers in the diagnosis of social anxiety disorder: a scoping review ”的研究。该研究基于Arksey和O‘Malley的范围综述框架，系统检索了PubMed、Web of Science等五大数据库，最终纳入15项研究，全面梳理了数字生物标志物在社交焦虑障碍诊断中的应用现状。
研究主要发现如下：
数字生物标志物的三大类型：基于数据性质及其与社交焦虑症状的关联机制，该综述将数字生物标志物分为三类：
类型 | 内容 |
生理数字生物标志物 | 心率（HR）、皮肤温度（ST）、皮肤电活动（EDA） |
行为数字生物标志物 | 地理位置、加速度计数据、通话、已发送短信、环境声音、环境光线、屏幕使用时长 |
语言数字生物标志物 | 短信文本、麦克风录音文本 |
数字生物标志物的采集与分析方法：采集方式：依赖可穿戴设备(如Empatica腕带)及手机应用，在自然环境中实时监测生理数据，捕捉社交焦虑的躯体特征。分析方法：运用机器学习、深度学习及统计方法挖掘相关模式。
数字生物标志物的核心价值：数字生物标志物为诊断社交焦虑症提供了全新范式。与传统量表评估相比，这种基于客观行为数据的评估体系不仅能提升评估准确性，还可为个性化干预提供数据驱动指导。然而，该领域仍面临多重根本性局限，阻碍其临床转化与广泛应用。
数字生物标志物面临的局限性：1.诊断特异性不足：多数标志物仅与症状相关，无法区分社交焦虑与抑郁症、广泛性焦虑等共病。2.样本局限：10项研究样本量<100人，8项仅用大学生样本，结论推广性受限。3.文化偏差：跨文化验证有效的标志物难以直接迁移。4.机器学习挑战：仅1项研究样本量超100(n=228)，小样本难以消除随机误差。5.语言分析单一：集中于情感与词频，忽略句法、连贯性、代词及语用特征。6. 隐私伦理风险：持续被动采集敏感数据引发隐私问题，且被监测可能诱发额外焦虑(霍桑效应)。7.方法学噪声：现实数据受环境、背景和设备差异污染，信噪比低，可靠性下降。8.缺乏标准化：研究间样本量、验证策略差异大，可比性与可重复性不足。
该研究明确了数字生物标志物在社交焦虑早期筛查中的价值，但当前研究仍处于探索阶段。研究团队提出三点建议：
一、建立最低数据采集报告标准(如传感器规格、采样频率)。
二、优先采用可解释性强的模型(如LASSO回归)，并报告灵敏度、特异度等完整指标。
三、推动开放科学与标准化验证，构建共享的匿名化基准数据集。
该研究济南大学为论文第一署名单位。第一作者为乔福强，共同作者包括董婉晴、王晓娜、孙晴。
论文来源：
Qiao, F. Q., Dong, W. Q., Wang, X. N., & Sun, Q. (2026). Digital biomarkers in the diagnosis of social anxiety disorder: a scoping review. BMC Psychiatry, 26, 243. https://doi.org/10.1186/s12888-026-07875-8
