AI助新加坡偵測青少年思覺失調早期徵兆　精準度可達93%

【記者張皓廷／綜合外電】新加坡南洋理工大學（NTU Singapore）與心理健康學院（IMH）的研究人員，已成功開發出一套人工智慧（AI）框架，能夠有效識別出青少年思覺失調的高風險群體。這項突破性技術運用了大型語言模型（LLMs）分析日常對話中的細微情緒模式，而非依賴青少年直接陳述其心理健康問題。

思覺失調是一種嚴重的精神疾病，而對於青少年而言，及早發現「思覺失調高風險群」（ultra-high risk, UHR）一直是醫療領域的巨大挑戰。由於青少年在日常生活中很少直接表達心理困擾，傳統的診斷方式往往難以捕捉早期警訊。新加坡心理健康學院的Jimmy Lee（Group Chief Research and Innovation Officer, NHG Health and Senior Consultant, IMH, and an Associate Professor at NTU’s LKCMedicine）指出，早期偵測是預防長期失能、幫助年輕人恢復健康的關鍵工具。

這項研究的成果已發表於科學期刊《npj Mental Health Research》。研究團隊開發名為 LEMon-AID 的AI框架，該框架克服了標準大型語言模型在預測臨床風險方面的限制。大型語言模型（LLMs）是一種能夠理解和生成人類語言的AI模型。研究人員發現，直接要求標準大型語言模型從對話紀錄中辨識高風險個體時，它們的表現不佳，幾乎無法找出潛在患者。LKCMedicine研究助理Matheus Calvin Lokadjaja表示：「當我們直接要求標準AI模型從隨意對話紀錄中辨識高風險個體時，它們幾乎遺漏了所有人。」

為了改善這一點，LEMon-AID 利用大型語言模型提取文字中的細微情緒特徵，例如喜悅、信任、恐懼和悲傷，再將這些情緒特徵與傳統的機器學習預測模型結合。生物醫學資訊學助理教授Wilson Goh指出，LEMon-AID 的設計理念，是讓AI判讀對話中潛藏的情緒線索，而不是直接診斷症狀。

此方法的有效性在一項涉及429名參與者的研究中得到驗證，這些參與者年齡介於14至29歲，皆來自新加坡一項長期青少年風險研究（Longitudinal Youth-at-Risk Study, LYRIKS）。每位參與者提供一段約45秒、不直接提及自身精神狀態的對話樣本。LEMon-AID 成功將整體預測準確度從傳統直接使用大型語言模型的55%提升至67%，更大幅提高了偵測敏感度，能識別出高達93%的高風險青少年。

LEMon-AID 的另一項優勢是，它能在提供風險評估的同時生成自然語言的解釋，這使得AI工具對臨床醫師而言更加透明且安全。研究團隊表示，LEMon-AID 框架目前正探索各種臨床應用，未來的工作將進一步結合多模態方法，例如聲音線索、語調、說話節奏和臉部表情等，以期達到更精確的早期識別。不過，在實際應用之前，仍需進行廣泛的進一步研究與現實世界驗證。

參考來源

• NTU and IMH researchers harness AI to spot early signs of ps…（Centre of AI in Medicine （C-AIM））