研究由国卫院国家高龄医学暨健康福祉研究中心黄绪文助研究员，与清大吴顺吉教授等人共同合作，首度将脑电波「同步性指标」搭配机器学习技术，应用在网路成瘾判别上。团队分析脑电波中的PLI与WPLI指标，这两种方法可降低干扰、提升准确度，最终建立出的分类系统，判别准确率高达86%，成果已登上国际期刊《Psychological Medicine》。
研究团队找来92名大学生进行分析，其中42人属于网路成瘾族群、50人为健康对照组。结果发现，网瘾组在额叶与枕叶等脑区的特定频段出现较强的同步连结，显示与注意力、冲动控制及视觉处理相关的脑区活动较为活跃，推测可能与奖赏系统失衡有关，也为理解成瘾行为提供重要线索。
研究人员指出，这套系统未来不只可用于校园健康筛检，也有机会成为精神科初步评估工具，甚至延伸到高龄族群的忧郁、孤独与认知退化监测。国卫院表示，脑波结合人工智慧，有望让心理健康评估迈向更「客观、即时、精准」的新阶段，补足传统量表的不足。
點擊閱讀下一則新聞
李亚萍出现失智症状 营养师教少吃5大伤脑食物
