長期以來，精神疾病的臨床診斷高度依賴醫生問診與量表主觀評定，缺乏可復現的客觀量化指標。即將在NTU李光前醫學院召開的國際醫學AI大會，將重點展示如何藉助AI挖掘常規腦影像，把無形的精神病理轉化為精準的診斷標尺。
給大腦測算生理年齡：提前數年揪出病理痕跡
受邀參與本次大會的陽明交通大學醫學院院長楊智傑教授，帶來了一套名為BrainProbe的輔助診斷系統。這套工具依託可解釋AI算法解析普通的腦部MRI影像，將其與健康人群常模數據庫逐一比對，直接輸出可視化的腦區損傷圖譜與大腦生理年齡測算值。
團隊在臨床追蹤中觀察到，精神分裂症、雙相情感障礙及抑鬱症患者普遍存在腦組織加速衰老的跡象。多數潛在病理改變早在典型精神症狀全面爆發前數年就已悄然成型。藉助AI腦齡模型敏銳捕捉這些早期偏離，醫生有望在患者首次急性發作之前，搶先一步完成臨床評估與干預。
Psychiatry has traditionally relied on symptoms and clinical observation. BrainProbe adds an objective layer by analysing routine MRI scans using explainable AI and comparing them against healthy brain data. AI建模個體電場：深部腦刺激告別開顱與盲測
除了輔助讀圖篩查，AI技術也在重構精神醫學的非藥物干預版圖。不少負責情緒調控與記憶認知的重要腦迴路深居大腦內側，傳統非侵入性物理刺激很難觸及這類深層靶點，過去患者往往只能接受有創的開顱手術。
楊智傑教授團隊採用的時間干涉腦刺激技術則帶來了新思路：系統先由AI根據患者個人的MRI精準圈定受累靶區，隨後利用電場算法個性化優化電極參數，在無需開顱的前提下將能量無創聚焦至腦深部。目前該療法已順利完成I期安全性研究，正穩步推進面向抑鬱症、雙相情感障礙及阿爾茨海默病的臨床試驗。
First, AI helps identify the brain regions most affected based on the patient’s own MRI, then uses AI-driven electric field modelling to personalise stimulation settings. 立足多元族群：跨機構聯合攻堅精準醫學
一套算法即便在實驗室內表現亮眼，走向臨床落地也必須經受現實環境的嚴苛檢驗。不同醫療機構的影像設備參數不一，不同族群在腦結構上也存在微小生理差異，跨中心、跨人群的泛化表現是醫療AI不可迴避的試金石。
2026年12月3日至5日，iAIM國際醫學AI大會將在NTU李光前醫學院舉行。楊智傑教授將與李光前醫學院助理教授Wilson Goh共同主持專題工作坊，並同NTU校本部及新加坡心理健康研究院專家建立合作，圍繞青少年早期精神障礙篩查展開聯合攻關。新加坡本地多元包容的族群特徵，正好為驗證此類AI工具在不同人群中的普適性提供了極為寶貴的研究場景。
Singapore's multi-ethnic population also offers a valuable setting for evaluating how well AI tools like BrainProbe can work across diverse Asian populations.
📌 要點總結
✦ NTU李光前醫學院將於12月3日至5日主辦國際醫學AI大會，探討AI精準精神醫學新範式
✦ BrainProbe系統通過分析常規MRI測算大腦生理年齡，可提前數年捕捉抑鬱症與精神障礙潛在隱患
✦ 基於AI個體電場建模的無創深部腦刺激技術已完成I期安全性研究，正推進多病種臨床驗證
