網癮自動分類系統 辨識率達成86%
網路成癮是目前重要研究議題，不過現行用的主觀自評工具，較易造成偏誤致影響研究結果，故有關成癮行為背後的神經機制、對腦部功能的影響以及認知健康評測方法等，仍需更多研究支持與技術開發。
為此，國衛院國家高齡研究中心助研究員黃緒文與清大原科院工科系教授吳順吉以及陽明交大等機構合作，首次整合腦波同步性(Phase Lag Index, PLI + Weighted PLI, WPLI)與機器學習技術，成功開發出辨識大學生網路成癮狀態自動分類系統，準確率達86%，成果並已發表在國際頂尖期刊Psychological Medicine。
新方法 腦波同步性結合機器學習
研究團隊招募92名大學生，其中包括42名網癮組、50名對照組。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，並分析兩種能有效排除體積傳導干擾的同步性指標(PLI與WPLI)，發現網癮組在額葉的delta與全腦(尤其枕葉)的gamma兩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，分類出具顯著差異的腦波同步性特徵，其中，向量機(SVM)結合WPLI特徵的組合表現最佳，平均分類準確率達86%，顯著優於傳統自評量表。團隊指出，這套結合腦波同步性與機器學習的新方法，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。
精準即時客觀 事前鑑別網癮風險
研究團隊同時指出，腦波同步性指標做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，同時有機會擴展應用到老年族群孤獨、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。
本研究結合神經科學、工程技術與心理健康應用，充分展現跨域精神健康研究的實力與創新潛能。研究團隊強調，腦波技術與人工智慧的結合不僅有助理解成癮行為背後的神經機制，也為精神健康篩檢與介入帶來全新思維。
預警網癮風險 跨域研究高齡認知
國衛院國家高齡研究中心執行長許志成認為，本研究展現腦波技術與人工智慧在精神健康篩檢上的應用潛力，不僅有助早期識別青少年網路成癮風險，更為發展科學、客觀的心理健康工具開啟新方向，今後將持續進行跨域研究，期待將這項技術進一步應用到高齡族群做為預防認知功能退化、促進高齡心理健康的重要參考。
延伸閱讀
- 救癌不傷心 橙皮素減小紅莓心臟毒性
- 無接觸AI照護 工研院揪團創高齡未來
- 高齡孤獨侵蝕語言力 讓失智加速敲門
- 疫初嚴控疫情 國衛院：帶來長期益處
- 國衛院偕桃醫防HAI 提升洗手遵從率
- 國衛院X清大 標靶新藥解癌症抗藥性
- 體外三維癌細胞培養 國衛院技術創新
- 失智全人照護 國衛院偕諾和諾德啟航
- 早期介入跨域合作 防青少年涉毒成癮
- 國衛院科研育才 成癮醫療展現新力量
- 北醫大GSK產學扎根 共創公衛新契機
- 嬰兒RSV免疫防治 醫倡分段納入公費
