國衛院開發AI腦波辨識「網路成癮狀態」　準確率高達86%

「網路成癮」問題已成為現代人要面對的重要議題，但現行自評工具，如填寫問卷等，容易受到偏誤影響，國衛院與國立清華大學、陽明交通大學等團隊合作，開發「網路成癮自動分類系統」，使用腦電儀紀錄靜止放鬆的腦波，確認有無網癮。

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與國立清華大學原子科學院工程與系統科學系教授吳順吉，及陽明交通大學等多所國內外研究機構合作，首次將「腦電波同步性(Phase Lag Index, PLI 與 Weighted PLI)」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》。

黃緒文提到，網路成癮指的是過度使用網路、電腦時難以自我控制，常見於年輕人，導致心理健康風險上升、睡眠不足、肥胖風險提升。研究團隊招募92名大學生，共42名網癮組、50名健康對照組，利用靜息狀態下腦電波訊號，計算不同腦區的腦波功能性連結。

黃緒文解釋，「功能性連結」指的是大腦2個區域在同一個時間變得活躍，可能協同處理某件事。她說，網癮組在腦波電波的訊號以「delta波」、「gamma波」高於對照組，也就是注意力、抑制控制、視覺刺激及衝動控制呈現「過度同步」的狀態。

黃緒文表示，這也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，黃緒文提到，這套結合腦波同步性與機器學習的方式有機會用於精神科初步鑑別，補足現行主觀自評工具容易受到偏誤影響的限制。