腦波檢測「提早篩出網路成癮」準確率近9成　研究登國際期刊

台灣研究團隊成功運用人工智慧技術，開發出能夠客觀檢測網路成癮的創新系統。國家衛生研究院與清華大學、陽明交通大學攜手合作，透過分析腦電波同步性特徵，建立準確率高達86%的自動分類系統，為網癮早期篩檢帶來重大突破。

國衛院國家高齡醫學暨健康福祉研究中心黃緒文助研究員、清華大學原子科學院工程與系統科學系吳順吉教授等跨校研究團隊，首度將「腦電波同步性」技術與機器學習演算法結合運用。這項創新研究成果已獲國際頂尖期刊《Psychological Medicine》刊登認可。

研究過程中，團隊針對92名大學生進行腦波檢測，其中包括42名網癮組與50名健康對照組受試者。透過靜息狀態下的腦電波訊號分析，研究人員計算不同腦區間的功能性連結，並採用兩種能有效排除體積傳導干擾的同步性指標進行比對。

• play_circle_outline 壓力大...成人網癮日趨嚴重！　4大警訊自我檢視

分析結果顯示，網癮組受試者在額葉的delta頻段及全腦gamma頻段連結明顯強於對照組，特別是枕葉區域表現更加顯著。研究團隊推測，這種較強的同步活化現象與網癮者在注意力、抑制控制與視覺處理等腦區功能異常有關，可能反映其衝動控制與獎賞系統的失衡狀態。

在機器學習模型比較中，研究團隊測試多種分類演算法，最終發現向量機結合WPLI特徵的組合表現最優異，平均分類準確率達86%，明顯超越傳統自評量表的效能。這套結合腦波同步性與機器學習的新方法，未來有望應用於青少年校園健康篩檢與精神科初步鑑別診斷。

研究團隊特別強調，腦波同步性指標作為潛在神經生物標記，不僅可協助早期識別網路成癮風險，更有機會擴展至老年族群孤獨、憂鬱與認知退化等精神健康評估領域。結合非侵入性腦電技術與人工智慧演算法的創新模式，將推動精神健康照護邁向精準、即時、客觀的新階段。

• play_circle_outline 陸「電競勸退班」暴紅！網癮少年訓練第一天就哭求回家

國衛院國家高齡研究中心許志成執行長表示：「本研究展現了腦波技術與人工智慧在精神健康篩檢上的應用潛力，不僅有助於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。研究團隊將持續進行跨領域研究，並期待未來這項技術能進一步應用於高齡族群，作為預防認知功能退化與促進高齡心理健康的重要參考。」