現代人生活與3C產品密不可分，而「網路成癮」也成為不分小孩或成人共同的身心議題。國衛院與清華大學、陽明交通大學等團隊合作，成功將AI機器學習結合腦電波技術，開發出全球首創的網路成癮自動分類系統。僅需監測6分鐘靜止腦波，即可客觀判別受試者是否有網癮傾向，準確率高達86%，大幅超越傳統的主觀自評量表。
AI精準判讀腦波 6分鐘看出有沒有網路成癮
國衛院高齡醫學暨健康福祉研究中心助研究員黃緒文表示，現行診斷網路成癮多仰賴問卷調查，容易因受試者未如實回答或主觀認定，自以為沒有上網太久而產生偏誤。研究團隊招募92名大學生進行實驗，發現網癮組在大腦「額葉delta頻段」與「全腦gamma頻段」的連結顯著高於健康組，呈現一種過度同步的活躍狀態，這與衝動控制與獎賞系統失衡密切相關。
為了將複雜的腦波數據轉化為臨床診斷工具，研究團隊利用AI機器學習模型（如支持向量機SVM）對這些腦波特徵進行分類。結果顯示，AI判讀的準確率達到86%，能更精準、即時且客觀地識別出網癮風險。
網癮盛行年齡下修：AI預警成校園篩檢新利器
網路成癮會導致憂鬱、焦慮風險上升，並影響學業、社交，甚至引發睡眠不足與肥胖。黃緒文指出，腦波的變化通常早於外在行為症狀，因此結合AI演算法的腦波檢測，能比傳統量表更早發現風險徵兆。
國衛院副院長陳為堅表示，腦波無法受人為控制，是極具潛力的「神經生物標記」。這套AI辨識系統未來有望落地應用於校園健康篩檢，幫助校方與醫療體系精準介入。雖然目前研究處於基礎階段，尚需進一步驗證不同年齡層（如青少年或長者）的腦波表現，但這項成果已為科學防治網路成癮奠定了重要基礎。
AI腦波偵測未來應用 從青少年網癮到高齡健康監控
國衛院國家高齡研究中心執行長許志成強調，這項結合神經科學與AI的創新技術，未來不僅能用於青少年網癮預警，更有潛力擴展至高齡族群。例如，透過監測腦波同步性，可以預評長者的情緒波動、孤獨感、憂鬱甚至是認知退化（如失智症）風險。
這項由台灣團隊自主研發的跨領域研究成果，已於2025年發表於國際頂尖期刊《PsychologicalMedicine》，展現台灣在AI生醫應用上的堅實實力，更為全球精神健康照護提供了更具科學依據的精準工具。