# NTU聯手新加坡心理衛生學院  研發AI工具，揪出青少年潛在的精神病早期風險

URL: https://www.shicheng.news/zh-hant/v/rmzMP
Published: 2026-10-18
Source: 獅城新聞

不需要主動傾訴抑鬱感受，也不用提及幻覺或妄想。南洋理工大學與新加坡心理衛生學院聯合開發了一款AI模型，僅憑一段45秒的日常隨意交談，就能提前捕捉青少年潛在的精神病早期**風險**。

45秒閒聊，如何看出精神危機？ 

處於精神病超高**風險**（Ultra-High Risk）階段的年輕人，很少會在日常聊天中直說自己撐不住了。抑鬱的人往往藏起情緒，處於精神紊亂萌芽期的人更難主動開口求助。這種無法直接提煉病理特徵的日常表達，在醫學上被稱為非自白言語（non-disclosing speech），也是傳統早期心理篩查很難突破的瓶頸。

NTU李光前醫學院與新加坡心理衛生學院（IMH）的研究團隊，調取了新加坡青少年高危長期隨訪項目（LYRIKS）中429名14至29歲受試者的真實記錄。測試要求非常輕量：參與者只需圍繞中性主題聊上45秒，比如解釋自己為什麼能評上「最有趣的人」。

如果直接把這些閒聊文本交給主流大語言模型判斷，AI幾乎只能靠碰運氣，綜合準確率僅有55%，極易漏掉真正身處危險邊緣的高危個體。

![NTU聯手新加坡心理衛生學院  研發AI工具，揪出青少年潛在的精神病早期風險](https://www.shicheng.news/images/image/1792/17928468.avif?0)





常規AI模型很難從日常對話中捕捉早期心理健康風險，因為人們很少公開談論自己的症狀。我們沒有讓AI直接下診斷，而是讓它去解讀潛在的情緒線索。 繞開黑箱：拆解情緒密碼 

大模型面對零碎日常文本之所以屢屢失誤，主要是因為缺乏對特定臨床特徵的把握。為此，研究團隊設計了一套名為LEMon-AID的混合分析架構：先讓大語言模型拆解出文字中隱藏的情緒圖譜，捕捉喜悅、信任、恐懼或悲傷等細微起伏，再將這些情緒變量送入經典機器學習模型做出最終評估。

這一思路帶來了質的飛躍。引入情緒代理特徵後，模型的綜合預測準確率從55%提升到了67%，而對高危個體的篩查敏感度更是直接躍升至93%，極大降低了漏診的機率。

對一線臨床醫生而言，難以解釋的AI「黑箱」向來不受信任。LEMon-AID在給出**風險**預警的同時，還能同步生成純文本推導邏輯，清楚說明判斷依據的是哪些情緒維度的異常。相關成果已在學術期刊《npj Mental Health Research》上正式發表。

早期發現是預防長期殘疾、幫助患有精神疾病的年輕人重獲健康和未來的最有力武器之一。這項研究讓我們離目標更近了一步。 築牢基層心理防護網 

重度精神障礙通常在青春期到成年早期潛伏發端。若能在幻覺、思維渙散等典型病症徹底失控之前完成干預，往往能大幅改變年輕人的康復軌跡。

這項技術的目的從來不是替代精神科專科醫生，而是希望走進社區診所、學校輔導室和社工一線。在輕鬆的日常對話中敏銳辨認出隱蔽的警報信號，把處於邊緣期的年輕人儘早托舉進專業醫療網絡。

📌 要點總結

✦ NTU與IMH聯合推出LEMon-AID模型，開創基於日常言語篩查青少年早期精神風險的先例 

✦ 依託429名青少年的45秒中性談話，AI篩查敏感度達到93%，預測準確率升至67% 

✦ 模型具備自然語言可解釋性，未來有望賦能基層社工與學校輔導員實現早篩早防 

你覺得用AI分析日常談話來篩查心理健康靠譜嗎？來評論區聊聊。