进食障碍包括神经性厌食、神经性贪食和神经性暴食等亚型，是一类以进食行为异常，对食物、体质量和体型过分关注为主要临床特征的严重精神障碍[1]。进食障碍好发于青少年和成年早期，全球的发病率为22.36%，国内发病率和患病率呈逐年上升趋势，不仅影响患者的身体健康，还带来沉重的社会心理负担，是精神科病死率最高的疾病[2-3]。然而，传统的治疗护理模式存在治疗资源匮乏、地区分布不均等问题，导致大量患者难以获得及时有效的干预；同时存在患者依从性差、复发率高的弊端[4]。数字健康是指将数字技术与医疗健康相结合的领域，以5G通信、大数据、人工智能、区块链、云计算等新型基础设施作为重要载体，促进个人健康的监测、治疗和管理[5]。虽然国内已有移动医疗技术用于进食障碍的防治，但尚处于起步阶段，而发达国家将智能手机、可穿戴设备、虚拟现实、远程医疗等数字健康技术应用于进食障碍患者且日趋成熟[6]。人工智能开始与移动应用程序联合，构建数据驱动模型以响应进食障碍患者需求的实时变化[7]。随着进食障碍患者医疗服务需求的增加，需要探索新型治疗护理模式，以弥合资源差距，优化精神卫生服务。因此，本文综述数字健康技术在进食障碍患者中的应用形式、应用效果，分析现阶段问题并提出建议，以期为数字健康技术在进食障碍患者中的应用提供参考。

1 数字健康技术的应用形式

1.1 网络自助平台

通过智能手机、平板电脑等移动终端为进食障碍患者提供治疗方案，分为联网的计算机程序、离线计算机程序和移动应用程序3种。自助平台以光盘、视频、音频和短信方式提供认知行为疗法，在临床医师指导下进行，或由患者自主学习，适合在医疗保健系统的早期阶段实施[8]。常用的移动应用程序是Recovery Record，包含自我监测、情绪表达、个性化策略、联系医师等内容[9]。进食障碍初级就诊机构使用Recovery Record 6个月后，急诊科就诊人数显著减少；接受Recovery Record治疗的患者，体质量显著增加[10]。但该研究仅在单中心开展，今后可开展多中心、长期随访的大型队列研究，并基于国内进食障碍患者使用偏好，开发接受度高的心理自助平台。

1.2 可穿戴设备

通过智能手表、胸戴传感器等设备实时监测与进食相关的生理指标或活动模式，辅助评估进食行为和情绪反应，为进食障碍患者异常饮食行为风险提示和病情监测提供信息支持。Ralph-Nearman等[11]通过腕带采集进食障碍患者的心率、皮温、皮肤电反应，并让其连续两次敲击腕带上按钮以记录异常进食行为，探究异常进食行为生理指标与基线生理指标的区别。Shi等[12]通过Apple Watch监测心率、步数和iPhone自我报告进食障碍行为，以明确暴饮、暴食事件激增前可检测的生理指标。可穿戴设备能早期识别异常进食行为和活动模式，及时提醒医护人员与患者，便于采取有效的监护措施。

1.3 人工智能

以数据算法为依托，使用图像处理或大数据收集等方法，实现对人脑的模拟，现已出现人工智能驱动的聊天机器人或对话程序。已开发的聊天机器人有4种：Tessa提供认知行为疗法课程以减少年轻女性对体型体质量的担忧；Topity通过视频和音频提供微干预技巧；Alex旨在增强患者的治疗动机；KIT为进食障碍患者及家属同伴提供心理教育和微干预[13]。聊天机器人各有特点，但都利用决策树模型和人机交互等技术，根据患者提问，使用预先构建的信息库提供答案，实现症状管理、智能咨询、心理指导、个性化服务[14]。医护人员需认识到人工智能在进食障碍患者管理的发展趋势，融合临床实践探索数字化护理方案，创新进食障碍专科管理模式。

1.4 虚拟现实技术

模拟真实环境，触发进食障碍患者的情绪反应，改善其认知和行为反应，从而打破对食物和饮食的恐惧。其用于进食障碍患者的体型评估和暴露干预，身材评定量表是最简单的体型评估工具，包含9张从“极瘦”到“极胖”顺序的身体轮廓，现已开发出虚拟现实版身材评定量表，且信效度良好[15]。虚拟现实进行暴露干预时，常见的有虚拟化身干预和虚拟食物干预，并在暴露前后测量患者的焦虑水平[16-17]。虚拟现实技术能更真实地反映进食障碍患者的体型担忧和食物焦虑，但使用时可能引发眩晕、视觉疲劳等不适，应关注其使用体验，进行虚拟现实任务的时间不宜过长。

1.5 远程医疗

利用互联网、大数据分析等技术，使用在线方式交换健康信息，用于疾病的诊断、治疗和预防、研究和评估，以及远程教育等的医疗技术[18]。Hambleton等[19]在进食障碍患者开展远程家庭治疗，并评估其可行性和初步效果。国外进食障碍日托中心已有远程预约管理系统，团队在系统中监测患者病情及其生命体征，调整患者治疗和预约安排；患者在手机端预约、取消或重新预约住院检查治疗等项目[20]。远程预约管理系统能兼顾患者的医疗需求，协调护理团队的人力配置，促进医疗资源的整合。国内需借鉴已有经验完善医联体，互联网医院建设，满足出院患者预约问诊，饮食指导等需求，降低进食障碍复发率。

综上所述，数字健康技术可改变进食障碍的预防、治疗护理和康复体系，逐渐成为进食障碍全病程管理的新模式。网络自助平台是为进食障碍患者提供食物记录、情绪追踪、技能训练的自我管理工具；可穿戴设备帮助医护和患者更准确地识别异常进食行为的触发模式；人工智能依托数据决策能力提供数智护理方案；虚拟现实技术使患者获得沉浸式体验更易配合临床干预；远程医疗能为进食障碍患者提供全面的过渡性医疗服务和专业的心理支持。数字健康技术在进食障碍患者中的应用形式多样，见表1。

表1 进食障碍患者应用数字健康技术的比较

2 数字健康技术的应用效果

2.1 识别风险因素，早期筛查

风险预测是进食障碍疾病预防的重点，需要依托人工智能算法识别进食障碍高危群体，并采取干预措施降低发病风险。通过对社交媒体关键词的分析，构建早期检测模型，能最大限度地识别进食障碍风险患者[21]。建议更新算法分析在线大样本量问卷、社交媒体文本图像语音等多模态数据，以更快识别进食障碍群体。Ren等[22]以830名中国年轻女性为研究对象构建决策树模型，以预测国内女性进食障碍患者的高危风险因素，有利于护理人员及时识别该类患者。未来可基于全国心理健康普查数据，开发简易精确的筛查工具，并进行风险分层，精准识别出需要心理咨询、门诊治疗、住院治疗的患者，缩短患者等候治疗时间。

2.2 规范饮食行为，提升治疗依从性

数字健康技术将心理干预和监测工具带入日常生活，依托在线平台，智能手机等为进食障碍患者提供便捷的饮食治疗模式。国外学者对暴食症前期群体进行在线单次认知行为疗法干预，由患者自主学习关于饮食、情绪的应对技巧，随访结果显示饮食行为得到改善，在线认知行为疗法干预接受度良好[23]。Pruessner等[24]将住院等待期的暴食症患者分为试验组和对照组（无干预），试验组通过自助认知行为疗法获取健康信息，随访时每周暴饮暴食次数显著减少，参与率达83%。数字认知行为疗法能减少患者求医的病耻感，降低心理咨询的成本，今后需继续开发临床效益好的数字认知行为疗法，以早期改善患者的临床结局。最近研究开始对进食障碍患者进行实验组聊天机器人认知行为疗法，对照组常规认知行为疗法的干预，实验组参与率达95%，随访时异常进食行为显著减少[25]。互动性强的机器人认知行为疗法使进食障碍患者更易掌握情绪应对技能，缓解疾病症状；未来需实施精准分阶干预，针对患者病情和医疗资源选择数字认知行为疗法，形成医院-家庭-社区多学科全程干预模式。

2.3 降低食物恐惧，缓解不良情绪

数字健康技术可丰富进食障碍的干预方式，虚拟现实干预效果优于传统治疗，通过改变身体偏见及调节情绪，使干预效果更持久。通过厌食症患者和健康对照组的随机对照试验发现，厌食症患者身体焦虑水平更高；虚拟现实暴露治疗后，患者的食物恐惧缓解[16]。对35例厌食症患者（试验组虚拟现实干预，对照组常规治疗）的随机对照试验进一步发现，干预后试验组患者食物恐惧缓解，体质量恐惧下降[26]；提示虚拟现实干预能帮助厌食症患者面对自身关于食物或体质量的核心恐惧，并改善其对自己身体的情绪、认知和行为反应。Sansoni等[27]对24例贪食症住院患者进行虚拟现实干预的效果验证，明确虚拟现实组患者能以更积极的态度面对食物。虚拟现实干预能更好地控制暴露的频率和强度，但已有研究多在厌食症患者中开展且多为小样本量，未来研究要多纳入贪食症和暴食症患者，多中心合作数据整合，形成系统的进食障碍患者虚拟现实干预方案。

2.4 判断治疗效果，改善病情预后

数字健康技术被用于进食障碍患者的疾病后期，基于临床数据监测病情，以早期识别症状的转归。Brizzi等[28]使用厌食症患者住院期间的数据构建机器学习模型，以预测治疗结果的主要影响因素，模型表明个人疏离感、人际关系困难、身体不满是治疗结果最有力的预测因素。这有利于医护人员的病情观察，既要观察进食障碍患者外在的症状表现，又要关注患者内在情绪，认知和人际交往的需求，实施整体护理。Schlegl等[29]构建贪食症患者居家护理方案，试验组使用手机程序，对照组常规随访，收集基线、干预期间、干预后和随访时的数据，旨在探讨数字健康技术的院外应用效果。未来国内要开发智能有趣的康复指导方案，搭建进食障碍出院患者的线上管理平台，护患合作面对复发困境，增强患者的康复信心。

3 存在的挑战与问题

3.1 干预研究的有效性不足

尽管数字健康技术的内涵不断丰富，但尚未进行大规模应用。虽然进食障碍干预项目较多，已有针对患者偏好开发程序的相关研究，但少有评估其安全性和有效性，探讨实施过程中阻碍因素和促进因素的研究[30]。现有研究多为小样本量或初期阶段，建议设计大规模多中心的随机对照试验研究，推广较成熟的方案，验证数字健康技术在进食障碍患者中的长期效果和成本效益。发挥护理人员在弥合临床干预和患者需求间差距的优势，结合患者的饮食行为和心理特点开发本土化的程序，以更好地融入临床实践[31]。

3.2 干预方案的个性化不足

进食障碍患者来自不同的社会文化和家庭环境，疾病诊断存在类别差异和病情轻重区别，对治疗的反应也各不相同。个性化治疗是进食障碍全程管理中的发展趋势，现有研究开始借助人工智能开始精准预测和对症干预，但成果尚少[32]。国外已开发进食障碍个性化的治疗平台，整合临床评估资料、患者自我报告和影像检查等数据，深度利用大模型算法识别风险因素、制订治疗策略、预测复发风险[33]。国内医护可借鉴已有研究，构建个性化平台，应用数字健康技术，如传感器、智能设备收集心率和睡眠模式等生理数据，算法分析后辅助病情监测并调整治疗计划；基于患者住院期间的各类数据生成个人专属的出院随访方案，拓展智慧护理服务。

3.3 数据隐私和算法偏见

依托社交媒体用户提取的数据及数字方案实施时，收集患者心率、饮食习惯、活动行为等个人敏感信息，存在数据泄露风险。基于人工智能算法做出的决策尚缺乏透明度，当其根据社交媒体用户的活动标记为进食障碍风险群体时，存在假阳性和假阴性的识别风险[34]。已有研究多采用欧美国家女性患者的数据，可能强化对该群体的刻板印象，在预测评估进食障碍患者表现出潜在的性别偏见。今后应加强进食障碍患者的用户认证，优化数据使用的审批流程，减少患者的信息暴露。

3.4 行业监管与建设不足

国内数字健康技术在心理健康领域处于起步阶段，数字基础设施不足，数字健康体系薄弱；护理人员缺乏在数字健康环境下提供医疗保健服务的行业规范。此外，对国内护士数字健康能力研究较少，探讨护理人员应用数字健康技术的研究缺乏[35]。因此，建议护理人员及团队依托《数字健康环境临床实践指南》[36]构建适合国内进食障碍护理人员的数字健康能力框架，制订专科护士数字健康能力的培养体系和考核体系，以便数字健康技术带给患者更大效益。

4 小结

数字健康技术在进食障碍领域取得一定进展。在线自助平台、可穿戴设备、虚拟现实、人工智能、远程医疗在管理进食障碍患者饮食行为、提供连续治疗和心理情绪支持等方面提供新方法。国内进食障碍患者相关研究尚处于起步阶段，理论实证研究正在开展；未来应加强体系建设、改进研究设计、加速项目转化，跨学科团队合作，推动数字健康技术与进食障碍的研究深度结合，改变进食障碍患者管理困难的局面，精准高效地为进食障碍群体提供医疗服务。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] 孔庆梅.中国进食障碍防治指南解读[J].中华精神科杂志，2018，51（6）：355-358.

[2] LÓPEZ-GIL J F，GARCI＇A-HERMOSO A，SMITH L，et al.Global proportion of disordered eating in children and adolescents：a systematic review and meta-analysis [J].JAMA Pediatr，2023，177（4）：363-372.

[3] TIAN J，HE Y，CHEN Y，et al.Trends in the prevalence of anorexia nervosa among individuals under 45 years in China，1992—2021：an age-period-cohort analysis [J].Front Public Health，2025，13：1634147.

[4] ALI K，RADUNZ M，MCLEAN S A，et al.The unmet treatment need for eating disorders：what has changed in more than 10 years an updated systematic review and meta-analysis [J].Int J Eat Disord，2025，58（1）：46-65.

[5] 徐向东，周光华，吴士勇.数字健康的概念内涵、框架及推进路径思考[J].中国卫生信息管理杂志，2022，19（1）：41-46，84.

[6] 黄琬晴，陈珏.移动医疗技术在进食障碍防治中的作用（综述）[J].中国心理卫生杂志，2025，39（2）：122-127.

[7] LINARDON J，TOROUS J.Integrating artificial intelligence and smartphone technology to enhance personalized assessment and treatment for eating disorders[J].Int J Eat Disord，2025，58（8）：1415-1424.

[8] GENTILE A D，KRISTIAN Y Y，CINI E.Effectiveness of unguided internet-based computer self-help platforms for eating disorders（with or without an associated app）：a systematic review[J].PLOS Digit Health，2025，4（4）：e0000684.

[9] LINDGREEN P，LOMBORG K，CLAUSEN L.Patient use of a self-monitoring app during eating disorder treatment：naturalistic longitudinal cohort study[J].Brain Behav，2021，11（4）：e02039.

[10] PALACIOSJE，ERICKSON-RIDOUTKK，PAIKKIMJ，et al.Effects of a digital therapeutic adjunct to eating disorder treatment on health care service utilization and clinical outcomes：retrospective observational study using electronic health records[J].JMIR Ment Health，2024，11：e59145.

[11] RALPH-NEARMANC，SANDOVAL-ARAUJOLE，KAREM A，et al.Using machine learning with passive wearable sensors to pilot the detection of eating disorder behaviors in everyday life[J].Psychol Med，2024，54（6）：1084-1090.

[12] SHI Q，THORNTON L M，KILSHAW R，et al.Relationship between intensive passive data signals and patterns of bingeeating behaviors：from a dynamical-system approach [J].Clin Psychol Sci，2025，13（3）：558-581.

[13] CHAN W W，FITZSIMMONS-CRAFT E E，SMITH A C，et al.The challenges in designing a prevention chatbot for eating disorders：observational study [J].JMIR Form Res，2022，6（1）：e28003.

[14] FITZSIMMONS-CRAFTE E，RACKOFF G N，SHAH J，et al.Effects of chatbot components to facilitate mental health services use in individuals with eating disorders following online screening：an optimization randomized controlled trial[J].Int J Eat Disord，2024，57（11）：2204-2216.

[15] MONTHUY-BLANCJ，CORNOG，OUELLETM，et al.eLori-Corps immersive body rating scale and eloricorps mobile versions：validation to assess body image disturbances from allocentric and egocentric perspectives in a nonclinical sample of adolescents[J].J Clin Med，2022，11（5）：1156.

[16] MELLES H，JANSEN A.Anxiety matters：a pilot lab study into food，weight，and virtual body exposure in anorexia nervosa[J].J Eat Disord，2024，12（1）：141.

[17] NATALI L，MEREGALLI V，ROWLANDS K，et al.Virtual food exposure with positive mood induction or social support to reduce food anxiety in anorexia nervosa：a feasibility study[J].Int J Eat Disord，2024，57（3）：703-715.

[18] MAGLIA M，CORELLO G，CAPONNETTO P.Evaluation of the effects of telepsychotherapy in the treatment and prevention of eating disorders in adolescents [J].Int J Environ Res Public Health，2021，18（23）：11573.

[19] HAMBLETON A，LE GRANGE D，KIM M，et al.Delivering evidence-based treatment via telehealth for anorexia nervosa in rural health settings：a multi-site feasibility implementation study[J].J Eat Disord，2024，12（1）：207.

[20] RZEPKA A，RUDOLF K，HAEMMERLE D，et al.Establishing FHIR appointment management in a daycare unit for eating disorders[J].Stud Health Technol Inform，2025，324：184-189.

[21] TÉBAR B，GOPALAN A，IEEE.Early detection of eating disorders using social media [C].6th.IEEE/ACM Conference on Connected Health—Applications，Systems and Engineering Technologies，2021：193-198.

[22] REN Y，LU C，YANG H，et al.Using machine learning to explore core risk factors associated with the risk of eating disorders among non-clinical young women in China：a decision-tree classification analysis [J].J Eat Disord，2022，10（1）：19.

[23] MESSER M，FULLER-TYSZKIEWICZ M，LIU C，et al.A randomized controlled trial of an online single session intervention for body image in individuals with recurrent binge eating[J].Int J Eat Disord，2024，57（8）：1668-1679.

[24] PRUESSNER L，TIMM C，BARNOW S，et al.Effectiveness of a web-based cognitive behavioral self-help intervention for binge eating disorder：a randomized clinical trial[J].JAMA Netw Open，2024，7（5）：e2411127.

[25] SHARP G，DWYER B，RANDHAWA A，et al.The effectiveness of a chatbot single-session intervention for people on waitlists for eating disorder treatment：randomized controlled trial[J].J Med Internet Res，2025，27：e70874.

[26] PORRAS-GARCIA B，FERRER-GARCIA M，SERRANOTRONCOSO E，et al.AN-VR-BE.A randomized controlled trial for reducing fear of gaining weight and other eating disorder symptoms in anorexia nervosa through virtual reality-based body exposure [J].J Clin Med，2021，10（4）：682.

[27] SANSONI M，VARALLO G，MALIGHETTI C，et al.Unlocking the potential of virtual reality to expand treatment frontiers for bulimia nervosa：a pilot study to explore the impact of virtual reality-enhanced cognitive-behavioral therapy[J].Virtual Reality，2024，28（2）：79.

[28] BRIZZI G，PUPILLO C，SAJNO E，et al.Predicting anorexia nervosa treatment efficacy：an explainable machine learning approach[J].J Eat Disord，2025，13（1）：97.

[29] SCHLEGL S，MAIER J，DIEFFENBACHER A，et al.Efficacy of a therapist-guided smartphone-based intervention to support recovery from bulimia nervosa：study protocol of a randomized controlled multi-centre trial[J].Eur Eat Disord Rev，2024，32（2）：350-362.

[30] VINCON C，WAGNER-HARTL V.Digital applications for mental health：use of a user-centered design process to develop an mhealth app for aftercare of eating disorder patients[C].12th.IFAC Symposium on Biological and Medical Systems，2024：443-447.

[31] TEO J Y C，WANG W.Interdisciplinary collaboration for chronic illness prevention and management through digital health interventions [J].Interdiscip Nurs Res，2024，3（4）：199-200.

[32] BRYANT E，MARKS P，GRIFFITHS K，et al.Treating the individual：moving towards personalised eating disorder care[J].J Eat Disord，2025，13（1）：63.

[33] MONACO F，VIGNAPIANO A，PIACENTE M，et al.An advanced artificial intelligence platform for a personalised treatment of eating disorders [J].Front Psychiatry，2024，15：1414439.

[34] LINARDON J，LIU C，MESSER M，et al.Current practices and perspectives of artificial intelligence in the clinical management of eating disorders：insights from clinicians and community participants [J].Int J Eat Disord，2025，58（4）：724-734.

[35] 何春秋，谢美明，廖冬发，等.护士数字健康能力的研究进展[J].职业与健康，2025，41（2）：280-284.

[36] 张润节，陶珍晖，张晓萌，等.数字健康环境临床实践指南解读[J].数字医学与健康，2025，3（3）：153-158.

Application progress on digital health technology in patients with eating disorder

ZHANG Cheng1 SHI Zhongying2 HUANG Chuxian2 CAI Jiajia2
1.School of Nursing,Shanghai Jiao Tong University,Shanghai 200025,China;2.Department of Nursing,Affiliated Mental Health Center,Shanghai Jiao Tong University School of Medicine,Shanghai 200030,China

[Abstract] The incidence rate of eating disorder has been increasing year by year,with traditional treatment and nursing model exhibiting low compliance,and high recurrence rate,making it difficult to meet patients’medical needs.Gradual application of digital health technologies in the field of mental health offers new possibilities for patients with eating disorders.This article reviews application form,application effect of digital health technology in patients with eating disorders,analyzes current problems,and proposes suggestions,in order to provide reference for clinical medical staff to apply digital health technology to manage patients with eating disorders.

[Key words] Digital health technology;Artificial intelligence;Eating disorder;Review

[中图分类号] R749

[文献标识码] A

[文章编号] 1673-7210（2026）01（b）-0162-05

DOI：10.20047/j.issn1673-7210.25081444

[基金项目] 上海交通大学医学院护理科研重中之重项目（Jyhz2307）；上海交通大学医学院护理科研重点项目（Jyhz2203）；上海交通大学护理学院高阶专科护理基地建设项目。

[作者简介] 张成（1998.11-），女，上海交通大学护理学院2022级护理专业在读硕士研究生；研究方向：精神心理健康护理。

[通讯作者] 施忠英（1965.7-），女，主任护师，上海交通大学医学院附属精神卫生中心护理部主任；研究方向：精神心理健康护理，护理管理。

（收稿日期：2025-08-21）

（修回日期：2025-10-21）