在数位原生世代全面普及的背景下，网路使用行为快速渗透学习、社交与娱乐场域，「网路成瘾」已不再只是心理层面的讨论，而逐步演变为需要科学量测与精准介入的公共健康与产业议题。如何以客观、可量化的方式识别高风险族群，成为精神健康科技发展的重要突破囗。

图一 : 国卫院与国立清华大学、阳明交通大学等团队合作，成功开发出网路成瘾状态自动分类系统，有助於早期识别风险、及时介入。

长期以来，网路成瘾的评估多仰赖主观自评量表，容易受到受试者认知偏误、社会期待或情绪状态影响，难以反映真实的神经功能变化。国卫院携手国立清华大学、阳明交通大学等跨校团队，结合神经科学与人工智能技术，成功开发出一套可自动分类网路成瘾状态的系统，为精神健康评估导入更客观的技术基础。

本研究由国卫院国家高龄医学暨健康福祉研究中心黄绪文助研究员，与清大原子科学院工程与系统科学系吴顺吉教授等人合作，首次将脑电波同步性指标━━包含可降低体积传导干扰的相位延迟指数（PLI）与加权相位延迟指数（WPLI）━━导入机器学习模型，用於辨识大学生的网路成瘾状态，并在国际顶尖期刊《Psychological Medicine》发表研究成果。
...
...