在數位原生世代全面普及的背景下，網路使用行為快速滲透學習、社交與娛樂場域，「網路成癮」已不再只是心理層面的討論，而逐步演變為需要科學量測與精準介入的公共健康與產業議題。如何以客觀、可量化的方式識別高風險族群，成為精神健康科技發展的重要突破口。

國衛院與國立清華大學、陽明交通大學等團隊合作，成功開發出網路成癮狀態自動分類系統，有助於早期識別風險、及時介入。

長期以來，網路成癮的評估多仰賴主觀自評量表，容易受到受試者認知偏誤、社會期待或情緒狀態影響，難以反映真實的神經功能變化。國衛院攜手國立清華大學、陽明交通大學等跨校團隊，結合神經科學與人工智能技術，成功開發出一套可自動分類網路成癮狀態的系統，為精神健康評估導入更客觀的技術基礎。

本研究由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，與清大原子科學院工程與系統科學系吳順吉教授等人合作，首次將腦電波同步性指標──包含可降低體積傳導干擾的相位延遲指數（PLI）與加權相位延遲指數（WPLI）──導入機器學習模型，用於辨識大學生的網路成癮狀態，並在國際頂尖期刊《Psychological Medicine》發表研究成果。

研究團隊招募92名大學生進行實驗，於靜息狀態下量測腦電波訊號，分析不同腦區之間的功能性連結。結果顯示，網路成癮族群在額葉delta頻段，以及全腦、特別是枕葉的gamma頻段，呈現顯著較高的同步性，反映其在注意力調控、抑制控制與視覺處理相關腦區出現過度同步活化，推測與衝動控制與獎賞系統失衡有密切關聯。

在技術實作上，研究團隊比較多種機器學習模型後發現，以向量機（SVM）結合WPLI特徵的分類效果最佳，平均準確率達86%，明顯優於傳統問卷工具。此成果顯示，腦波同步性可望成為具實用價值的神經生物標記，為精神健康科技產業提供新的核心技術路徑。

研究團隊指出，這項技術未來不僅可應用於校園健康篩檢與精神科初步鑑別，也有潛力延伸至高齡族群的孤獨、憂鬱與認知退化監測，補足現行主觀評估工具的不足。結合非侵入性腦電量測與AI演算法，將有助於推動精神健康照護朝向「精準、即時、客觀」發展。

國衛院國家高齡研究中心執行長許志成表示，此研究展現腦波技術與人工智慧在精神健康篩檢上的高度應用潛力，未來團隊將持續深化跨領域合作，期望加速技術落地，為青少年與高齡族群的心理健康預防與照護，打造具產業化潛力的新型解決方案。