精神病診斷不靠猜！陽明交大攜手北榮 AI影像看見大腦病竈

陽明交大與臺北榮總投入腦影像與AI研究，成功開發出領先全球的腦影像分析技術。（圖／陽明交大）

陽明交大醫學系系主任、臺北榮總醫療人工智慧發展中心副主任楊智傑。（圖／陽明交大）

精神疾病診斷長期依賴問診與病史，缺乏客觀量化判斷標準。爲突破這一醫療困境，陽明交大與臺北榮總投入腦影像與AI研究，成功開發出領先全球的腦影像分析技術。此技術能成功定位精神疾病患者在不同年齡與病程階段的腦部退化情形，且已獲臨牀應用，並獲得今年美國愛迪生獎金獎（2025 Edison Awards Gold Medal）。

陽明交大醫學系系主任，同時也是臺北榮總醫療人工智慧發展中心副主任楊智傑，自2019年起投入這項技術研發。他希望透過AI辨識肉眼無法識別的腦影像，提升診斷的客觀性與準確性。如今該技術已在臺北榮總的臨牀服務中實際應用。

研發團隊對大腦老化與疾病進展過程的長期觀察，建立起涵蓋138個大腦灰白質區域的退化軌跡模型。該模型可依據患者的年齡與病程，預測特定腦區的退化趨勢，進而鎖定最關鍵的異常腦區。這使診斷更有依據、治療更具針對性。

楊智傑表示，大腦在精神疾病病程會持續退化，但不同大腦區域的退化軌跡各異。過去的AI技術對於判讀腦影像，沒有辦法確定因果關係，也無法呈現病程進展中的關聯性。新技術完全克服這些限制，能預測患者在已知年齡和病程下的腦部退化狀況。

該技術已應用於思覺失調症、躁鬱症與重度憂鬱症的研究與臨牀評估。研究結果顯示，思覺失調症患者在發病後22年間，大腦體積顯著萎縮，皮質厚度異常則多出現在疾病早期。尤以額葉、顳葉與島葉的灰質退化最爲明顯。

躁鬱症與憂鬱症患者，也分別在前額葉下側與前扣帶回出現特異性異常。這些發現有助於後續施行經顱磁刺激或深層腦刺激治療時，更加精準鎖定治療標的。

這項技術不僅突破了現有深度學習系統在腦影像分析上的限制，更提供精神疾病臨牀診斷一套科學且可量化的工具。未來可望擴展至阿茲海默症、帕金森氏症等神經退化性疾病的早期診斷與評估。

★《中時新聞網》關心您，服用精神科藥物，請勿自行停藥！衛福部24小時安心專線：1925。