腦波解碼網路成癮！國衛院開發AI辨識系統　準確率86%

出版時間：2025/12/18 17:37

生活醫藥

國衛院助研究員黃緒文說明運用腦波同步性結合機器學習技術，協助早期鑑別網路成癮風險。國衛院提供

zoomin — 國衛院助研究員黃緒文說明運用腦波同步性結合機器學習技術，協助早期鑑別網路成癮風險。國衛院提供

【記者林芳如／台北報導】「網路成癮」問題已成為重要議題，但傳統自評量表易受偏誤影響，國衛院與清華大學、陽明交大合作，首次將腦電波同步性結合機器學習技術，協助早期鑑別網路成癮風險、及時介入，準確率高達86%，腦波同步性指標作為潛在的神經生物標記，未來有望擴展應用於老年孤獨、憂鬱與認知退化等精神健康評估。

國衛院高齡醫學暨健康福祉研究中心助研究員黃緒文與清華大學原子科學院工程與系統科學系教授吳順吉，以及陽明交通大學合作，首次將「腦電波同步性」結合機器學習技術，用於辨識大學生網路成癮狀態，開發出準確率高達86%的自動分類系統，成果已發表於國際頂尖期刊《Psychological Medicine》。

研究團隊招募92名大學生(42名網癮組，50名健康對照組)，利用靜息狀態下的腦電波訊號，計算不同腦區間的同步性與功能性連結，發現網癮組在「額葉的delta頻段」及「全腦(尤其枕葉)的gamma頻段」連結顯著高於對照組，顯示網癮者在注意力、抑制控制與視覺處理等腦區有較強的同步活化現象，推測與其衝動控制與獎賞系統失衡有關。

研究團隊以多種機器學習模型分類有顯著差異的腦波同步性特徵，平均分類準確率達86%，顯著優於傳統自評量表。未來有機會應用於青少年校園健康篩檢、精神科初步鑑別，甚至長者認知健康監測，補足現行主觀自評工具易受偏誤影響的限制。

黃緒文說，腦波同步性指標作為潛在的神經生物標記，不僅可協助早期鑑別網路成癮風險，亦有望擴展應用於老年族群孤獨、憂鬱與認知退化等精神健康評估。結合非侵入性腦電技術與人工智慧演算法，將可推動精神健康照護進入「精準、即時、客觀」的新紀元。