研究人員正在探索人工智慧的一項新用途，未來或可在明顯症狀出現之前，協助識別出發展為憂鬱症風險較高的人群。

這種方法結合人工智慧與腦部影像，使研究人員得以檢視大腦如何對不同情緒訊號作出反應，並找出與未來憂鬱症風險相關的模式。

根據加密貨幣與科技社群流傳的資訊，研究人員使用青少年的腦部掃描資料訓練了一套 AI 系統，其中包括有憂鬱症狀與沒有憂鬱症狀的參與者。參與者被展示呈現快樂、中性與憤怒情緒的臉孔，而磁共振成像（MRI）則記錄了他們全腦的活動。

研究人員接著利用所得到的腦部模式，訓練一個設計用來區分情緒處理差異的人工智慧模型。

這項概念屬於快速發展中的神經科學領域之一，研究人員正運用機器學習辨識可能與未來心理健康狀況相關的生物與行為模式。

然而，必須區分「預測風險升高」與「診斷憂鬱症」兩者。能辨識統計模式的 AI 系統，無法確定某個人一定會發展出該疾病。

AI 如何分析情緒反應

這項研究方法的核心，在於人們處理臉部表情時，大腦如何反應。

參與者在接受 MRI 掃描時，會看到不同情緒的臉孔。這些影像讓研究人員能詳細觀察青少年在處理正向、中性與負向情緒資訊時，大腦活動的變化。

其背後的概念是，憂鬱症可能與人們處理情緒資訊的方式改變有關。

先前的科學研究已發現，對臉部表情的腦部反應差異，可能與日後出現的憂鬱症狀相關。例如，有研究發現，年輕成年人觀看中性臉孔時，杏仁核的活動與兩年後憂鬱症狀增加有關。

研究人員現在正在探討，人工智慧是否能把多個腦區的這些細微模式結合起來，比傳統分析更有效地估計未來風險。

AI 尋找隱藏模式

機器學習能檢視海量資料，並找出傳統統計方法可能難以偵測的關聯。

在這項報導中的研究裡，AI 學到了與情緒處理差異相關的模式。被認為較容易罹患憂鬱症的青少年，在處理情緒資訊時似乎有所不同，包括更傾向以較不正向的方式解讀模糊或負面的臉部表情。

之後，該系統被應用到目前尚未顯示明顯憂鬱症狀的年輕人腦部掃描資料上。

當時的目的並不是診斷憂鬱症，而是要判斷 AI 所辨識出的腦部模式，是否能顯示這些人未來出現症狀的機率較高。

幾年後再次評估參與者時，被歸類為較高風險者據稱更有可能已經出現憂鬱症狀。

這類縱向研究尤其重要，因為它能測試在症狀出現之前觀察到的生物訊號，是否與日後的心理健康結果存在關聯。

四年預測可能改變早期介入

如果報導中的發現能在更大且獨立的人群中重現，這項技術最終可能對早期介入產生影響。

憂鬱症常在症狀已經變得明顯之後才被發現。可靠的風險預測系統，可能讓醫師與研究人員有更多時間監測潛在脆弱者。

其目標未必是提前多年就把某人標記為憂鬱症患者。相反地，未來的系統可望協助找出那些可能受益於更密切監測、預防策略或額外心理支持的人。

科學研究已經顯示，機器學習可以從腦部影像中萃取有用的預測資訊。

一項 2024 年研究使用 Adolescent Brain Cognitive Development study 中 2,658 名兒童的資料，發現多模態神經影像特徵可在兩年追蹤時預測憂鬱症風險，其中靜息態功能連結性在有父母憂鬱症病史的參與者中表現尤其突出。

其他研究也同樣探討了運用 MRI 與機器學習來預測青少年未來罹患憂鬱症的可能性。

這項技術仍有重大限制

儘管具有潛力，研究人員在 AI 기반憂鬱症預測成為常規醫療工具之前，仍面臨重大挑戰。

MRI 掃描成本高昂，而且需要專門設備。不同個體之間的大腦活動也可能有顯著差異，使得要建立一種適用於所有人的單一模式並不容易。

研究人員還必須確認，針對某一群體訓練出的 AI 模型，是否也能在不同地區、文化、年齡層與社經背景的人群中同樣有效。

隱私也是一大疑慮。

腦部掃描包含高度敏感的生物資訊。任何使用人工智慧評估心理健康風險的系統，都需要強而有力的防護措施，以避免濫用或不當標記。

最重要的是，風險分數升高絕不應被視為最終診斷。

近期研究顯示，機器學習可以預測青少年心理健康風險的某些面向，但研究人員持續強調，在這類系統被視為可靠臨床工具之前，仍需要驗證與進一步測試。

AI 與心理健康的興趣持續升溫

這項發展反映出醫學研究中的一個更廣泛趨勢，也就是人工智慧正變得越來越能分析複雜的生物資料。

科學家正在研究結合 MRI 掃描、行為資訊、睡眠模式、家族病史及其他因素的 AI 模型，以估計心理健康風險。

一份 2025 年綜述回顧了 ABCD study 中超過 11,000 名兒童的資料研究，發現機器學習系統能辨識某些未來心理健康風險；不過在部分模型中，行為與社會因素往往比 MRI 衍生的測量值更具影響力。

這項發現凸顯了為何研究人員正愈來愈傾向多模態模型，而非僅依賴腦部掃描。

關於最新 AI 研究的報導也已在科技與加密貨幣受眾之間流傳，其中包括 X 帳號 @coinbureau 的討論。這種更廣泛的關注反映出，人工智慧正迅速從金融應用擴展到神經科學與醫療保健領域。

接下來會發生什麼

提前數年預測憂鬱症的可能性在科學上很有吸引力，但在這項技術被視為可靠的預測工具之前，仍需要更多研究。

研究人員需要使用更大的樣本、獨立資料集與更長的追蹤期來重現這些結果。他們也需要確認，這個模型在其開發族群之外是否仍能準確運作。

目前最重要的結論是，人工智慧正在為科學家提供新的方式，研究大腦活動、情緒處理與未來心理健康風險之間的關聯。

如果這些方法持續進步，AI 輔助的大腦分析最終可能成為更早期心理健康篩檢與預防的一個環節。

但這項技術仍是研究工具，而不是專業診斷的替代品。提前多年辨識憂鬱症風險的前景雖然令人期待，但要證明這些預測是準確、公平且具有臨床實用性，仍需要大量額外證據。