【記者米夏/台中報導】台灣罹患精神疾病的民眾逐年增加，故探究出精神疾病風險因素越顯重要。隨著人工智慧漸趨成熟，智慧醫療也正在發展當中。中國醫藥大學公共衛生學院王中儀教授運用深度神經網路(Deep neural network)技術，以校院合作方式成功開發出以各項炎症指標進行預測罹患各主要種類精神疾病之風險模型，甫刊載於知名國際期刊《BMC Psychiatry》，引發各界高度關注。

近來由於人工智慧逐漸成熟，將AI技術應用於疾病預測，成為一項相當有意義的任務。醫務管理學系王中儀教授表示，炎症(Inflammation)指標異常與三年內罹患精神疾病風險提高有關，例如hs-CRP異常。若將hs-CRP、ESR及WBC三項指標組合，亦能有效預測。此研究使用附醫海雲平台大數據中23萬多人資料，無論以統計或是深度神經網路進行，都得到相近的分析結果，尤其深度神經網路的預測準確度(AUC)高達0.9162(AUC越趨近1，代表越準確)，相當可信。此研究發現對於精神疾病預防醫學將有具體意義。

公共衛生學院黃彬芳院長開心的說，王中儀教授多年來努力進行精神疾病研究，先前是發現台灣人罹患憂鬱症及躁鬱症的基因，這次是以近來備受矚目的AI技術預測炎症罹患精神疾病的風險，相當不容易，而且是以配對方法提高嚴謹度，研究結果可信度很高。這項由學校跟附醫合作的AI研究，運用了專業跟創新，切合智慧醫療發展趨勢所需。

近來與王中儀教授合作進行研究的安南醫院蘇冠賓副院長說明，精神疾病的出現除了可能因外在事件促發，還可能有內在生理因素，如基因跟身體發炎等都是潛在因素。炎症反應產生的生物標記(Biomarkers)可能引發大腦及神經傳導系統(Neurotransmitter systems)異常，進而提高精神疾病風險。相關領域值得繼續被探究。

中國醫藥大學郭樹勳副校長欣慰地表示，幾年來學校積極推動人工智慧教育及研究，逐漸看到成果。尤其在預防醫學及精準醫學兩項趨勢備受矚目的時機，王中儀教授研究團隊能夠適時提出運用統計及AI兩大方法所建立的高準確度精神疾病預測模型，相當罕見，難能可貴。這會在精神病學理論及臨床實務上都帶來貢獻。

預防勝於治療。精神疾病的發生若在人工智慧技術的應用下，能夠實現越來越精準的預測，則對於社會大眾實為一項健康福祉。大眾健康福祉需要各方共同維繫。妥善地運用健康檢查，提早發現異常的檢驗數值，加上若有跨科轉診及進一步篩檢，就有機會掌握精神疾病預防及治療的關鍵期。