讓 AI 看見內心的暗角｜從語音到社群，人工智慧如何成為情緒雷達

研究顯示，從自然語言處理辨識憂鬱症徵兆，到透過機器學習預測思覺失調症發展軌跡，再到利用可穿戴裝置即時監測心理健康狀態，AI 正在影響心理健康照護的環節。台灣企業如台灣人工智慧實驗室和明日科技也已加入這場變革，而全球市場預計在 2030 年前將達到近 200 億美元規模。然而，身心科領域仍面臨數據隱私、演算法偏誤以及臨床整合等挑戰，需要產學研醫多方協作才能真正實現技術潛力。新冠疫情導致 2020 年全球罹患憂鬱症或焦慮症的比例提高了 25%，同時也加速心理健康照護的數位化轉型。疫情催化之下，AI 正在精神健康領域扮演越來越重要的輔助角色。

全球精神健康問題已成為不容忽視的公共衛生危機，根據世界衛生組織（World Health Organization，WHO）最新數據，全球有超過 10 億人正在經歷某種形式的心理健康失衡，約佔全球總人口的 13%，並在 COVID-19 大流行後更顯著增加，疫情相關的精神健康問題使全球憂鬱症和焦慮症的發生率分別增加了 25% 和 28%。精神健康問題不僅嚴重影響個人生活品質，也對社會造成巨大經濟負擔，研究估計精神疾病每年造成的全球經濟損失高達 1 萬億美元，主要來自於生產力下降和醫療資源的使用。

在台灣，衛生福利部心理健康司的最新調查指出，台灣超過 15% 的成年人一生中會經歷至少一次精神障礙，且年輕族群的心理健康問題正在增加，25 歲以下年輕人的焦慮症和憂鬱症診斷率在過去十年中上升了近 40%。然而台灣精神科專科醫師的數量不足，全台約有 2,500 名精神科醫師，平均每 10 萬人口僅有 10.7 名精神科醫師，低於美國（16.2 名）和日本（12.9 名）。心理健康服務的可及性差距進一步加劇這個挑戰，台灣鄉野地區和都市地區之間的精神健康資源分配極不平衡，有些縣市的精神科醫師人數甚至不到 5 名，而這種資源分配不均與社會對精神疾病的污名化相結合，導致超過 60% 需要心理健康服務的人無法獲得適當的治療。

傳統精神科診療的限制

傳統精神科診療模式面臨多重挑戰，首先精神疾病診斷的主觀性是個根本性問題，與生理疾病不同，精神疾病的診斷主要倚賴臨床醫師基於病人自述症狀和行為觀察所做的主觀判斷。診斷標準雖有《精神疾病診斷與統計手冊》（Diagnostic and Statistical Manual of Mental Disorders，DSM）和《國際疾病分類》（International Classification of Diseases，ICD）作為指引，但研究顯示，即使是經驗豐富的不同精神科醫師之間，對同一病人的診斷一致性也只有約 70%，遠低於其他專科。

其次，精神健康評估的間斷性和回憶偏誤也是重大挑戰。傳統上，精神狀態評估主要在診所或醫院進行，有時可能會相隔數週或數月，但這類「快照式」評估無法捕捉病人在日常生活中的精神狀態變化，而病人對自身過去症狀的回憶經常不準確，影響治療效果評估的準確性。

第三，人力資源短缺與分配不均限制了精神健康服務的可及性；全球高收入國家平均每 10 萬人擁有 9 名精神科醫師，而低收入國家則僅有 0.1 名。在台灣，誠如前述（平均每 10 萬人有 10.7 名精神科醫師）心理健康專業工作者的數量仍然有顯不足，特別是在偏遠地區。

身心科疾病治療的個人化挑戰同樣不容忽視，目前精神科藥物治療採用的試錯方法（Trial-and-Error Approach）經常導致病人需要嘗試多種藥物才能找到有效治療方案，這個過程可能持續數月甚至數年，期間病人持續承受症狀困擾和藥物副作用，缺乏客觀的生物標記使得精神科醫師很難預測哪種治療方案對特定病人最為有效。

AI 如何可能解決關鍵痛點

人工智慧或許能夠提供客觀化的診斷輔助，透過分析語音、臉部表情、文字闡述和生理數據等多維度訊息，AI 系統能夠識別人類可能忽略的精神疾病隱微徵兆。例如，哈佛大學和麻省理工學院的研究人員開發的自然語言處理系統能夠從病人的語音樣本中識別憂鬱症，準確率達 87%，遠高於基層醫師的平均識別率（約 50%）。 AI 也能輔助連續性監測與早期預警，傳統精神健康評估的「快照式」特性導致許多症狀惡化跡象被忽視，而配置 AI 功能的穿戴式裝置和手機應用程式能夠全天收集數據，建立個人基礎狀態資料，並在偵測到異常模式時及時預警。史丹佛大學的研究顯示，可穿戴裝置的 AI 系統能在臨床症狀出現前 2–3 週檢測到 Depression 發作的早期跡象，為及時介入創造了寶貴時間窗口。

再來，AI 大幅提升心理健康服務的可及性，在全球精神健康專業人員嚴重短缺的背景下，AI 聊天機器人和虛擬助理能為輕中度心理健康問題提供即時協助；Woebot Health 開發的認知行為治療（Cognitive Behavioral Therapy，CBT）聊天機器人已在臨床試驗中證明能有效減輕憂鬱和焦慮症狀，效果與傳統面對面治療相當。特別是在疫情期間，這類數位心理健康工具的使用量增長了 300% 以上。 AI 為精神疾病治療帶來個人化的另一種可能性，透過分析海量的電子健康記錄、遺傳數據和治療反應模式，AI 演算法能夠預測特定病人對不同治療方案的反應。劍橋大學的研究團隊開發的機器學習模型能基於多種臨床和生物參數預測憂鬱症病人對不同抗鬱劑的反應，準確率達到 76%，為減少試錯過程提供了有力工具。

AI 為精神健康領域帶來的經濟效益同樣值得關注，根據英國牛津大學的研究，AI 輔助的精神健康篩檢和早期處理每投入 1 美元可節省約 4–5 美元的後續醫療成本和生產力損失。此外，AI 能協助精神健康專業人員提高效率，讓一位專業人員能同時服務更多病人，緩解資源短缺問題。

精神科 AI 的學術進展

機器學習與精神疾病診斷

機器學習（尤其是深度學習）在精神疾病診斷領域的應用已能夠從複雜、高維度的臨床數據中識別出人類身心科醫師難以辨別的精微模式，為精神疾病診斷提供客觀依據。根據 2023年《JAMA Psychiatry》發表的文獻，機器學習在多種精神疾病診斷中顯示出接近、甚至超越專科醫師的表現。

以 Depression 的診斷為例，多倫多大學的研究團隊開發的深度學習系統結合語音特徵（語速、音調變化、停頓頻率）、臉部表情分析和問卷數據，診斷 Major Depressive Disorder（MDD）的準確率達到 89.7%，Sensitivity 為 87.3%，Specificity 為 91.8%，顯著優於基層醫師的診斷準確率（47–50%），該系統還能根據症狀嚴重程度將 MDD 分為輕度、中度和重度，分類準確率為 85.4%，為臨床治療決策提供了重要參照資訊。

機器學習模型也正在改變早期識別 Schizophrenia 的可能性，耶魯大學和北京大學的合作團隊利用結構性核磁共振造影（structural Magnetic Resonance Imaging，sMRI）和卷積神經網絡（Convolutional Neural Network，CNN）開發的診斷系統，能夠區分思覺失調症患者和健康對照組，準確率達 84.3%，並能夠識別出 Schizophrenia 高風險個案，預測其在未來兩年內發展為思覺失調症的可能性，準確率為 76.0%，研究指出早期介入可使症狀緩解率提高 40% 以上。

雙極情感障礙（Bipolar Disorder，BD）的診斷長期以來是精神科醫師的難題，因為其症狀與 Depression 和其他情緒障礙存有諸多重疊之處；加州大學聖地亞哥分校的研究人員開發的機器學習模型結合功能性核磁共振造影（functional Magnetic Resonance Imaging，fMRI）和自然語言處理分析的病人自我敘述，能夠區分 Bipolar 和 Depression，準確率達 82.1%，對於臨床治療尤其重要，因為誤診和不當藥物治療可能導致 Bipolar 病人的症狀惡化。

自閉症譜系障礙（Autism Spectrum Disorder，ASD）的早期診斷對於治療效果相當重要，史丹佛大學的研究團隊開發的深度學習系統能夠分析 18–24 個月嬰幼兒的影像，評估其眼神接觸、社交互動和刻板行為等特徵，早期診斷準確率達 88.9%，比傳統診斷方法提前了約兩年，大大提高早期介入的可能性和有效性。

雖然機器學習在精神疾病診斷中展現出巨大潛力，但研究人員也意識到這個技術的許多限制，因為多數研究使用的樣本量相對較小（通常在數百至數千人之間），限制了模型的運用範疇。其次，多數研究在嚴謹控制的條件下進行，缺乏真實臨床現場的驗證，模型的「黑箱」特性也是臨床應用的障礙，畢竟醫師和病人通常希望了解診斷決策的依據。最後，不同人口學特徵（如年齡、性別、種族和文化背景）對模型性能的影響仍需更多研究。

自然語言處理與心理狀態評估

人類的語言表達蘊含豐富的心理狀態資訊，NLP 技術能夠從語言的內容、結構和風格中提取出與心理狀態相關的特徵。哥倫比亞大學的研究人員分析了超過 6,400 萬則社交媒體發文，發現語言特徵（如第一人稱代詞使用頻率、負面情緒詞彙比例）可以預測憂鬱症發作，準確率達到 85%，且能提前 2–3 個月發現預警信號。

在臨床應用的部分，NLP 也改變了傳統心理評估的方式，麻省理工學院的研究團隊開發的 AI 系統能藉由分析病人與心理治療師的對話，即時評估病人的心理狀態，包括情緒變化、認知扭曲和自殺風險，使用轉化器（Transformer）架構和情境化語言模型，捕捉微妙的語義特徵和情緒變化，輔助心理師及精神科醫師進行更準確的評估。

在台灣，台灣大學與台灣人工智慧實驗室（Taiwan AI Labs）的合作研究開發的中文心理語言分析系統能夠從病人的口語和書面表達中識別與憂鬱症和焦慮症相關的語言模式，準確率分別達到 79.6% 和 76.8%，為華語地區的心理健康篩檢提供了一項可用的工具。大型語言模型（Large Language Models，LLMs）如 GPT-4 和 PaLM 2 在精神健康對話中的應用也有進展，如 2023 年在《Nature Digital Medicine》發表的研究顯示，經過特定領域 Fine-Tune 的 LLM 能進行有效的心理健康初步評估和具有情緒支持功能的對話。雖然這些模型不能取代專業心理治療，但在初步篩檢和提供情緒價值等方面展現潛力，特別是對於難以獲得正規心理健康服務的人們。

NLP 在心理狀態評估中仍面臨諸多挑戰，例如跨文化適應性問題，不同語言和文化背景的心理表達存在差異，模型需要針對特定文化族群進行調整。情境理解的限制也使目前的模型難以精準掌握言外之意和特定表達意涵。此外，隱私和倫理問題也不容忽視，尤其是當分析涉及病人的敏感個資時。最後，許多研究仍處於實驗室階段，真實世界的臨床有效性有待進一步驗證。

電腦視覺在情緒識別與行為分析中的應用

Computer Vision 已成為精神健康評估的重要工具，能夠從臉部表情、肢體語言和行為模式中提取客觀、定量的心理健康指標，牛津大學的研究團隊開發的深度學習系統準確辨識七種基本情緒（快樂、悲傷、憤怒、厭惡、恐懼、驚訝和中性）的準確率達到 96.2%，甚至能檢測出人類觀察者難以察覺的瞬間表情變化，目前已被應用於 Depression 篩檢，分析病人觀看情緒刺激影片時的臉部反應，識別準確率達 82.4%。

行為分析方面，前幾個禮拜我們有談到，杜克大學的研究人員開發的 AI 系統能分析兒童的影片片段，自動檢測與自閉症相關的行為特徵，如眼神接觸減少、刻板動作和社交互動模式異常；在 18–36 個月嬰幼兒測試，自閉症診斷準確率達到 88%，比傳統臨床診斷提前了約 1–2年。早期診斷對自閉症治療效果十分重要，研究表明 2 歲前開始介入的自閉症孩子有 42% 的機會達到正常認知和語言發展，而晚期介入的效果顯著降低。

醫師觀點：臨床應用與輔助效果

現今臨床上，精神科醫師和心理師開始借助 AI 工具來改善診斷與治療流程。一方面，在診斷輔助上，AI 可從病人的語音、文字和其他生物訊號中發現傳統診療難以察覺的線索。例如，美國研發的語言分析演算法透過對訪談逐字稿的分析，成功預測出哪些高風險年輕人兩年內可能會發展成思覺失調症，準確率高達 79–83% (Speech Analysis Software Predicted Psychosis in At-Risk Patients with up to 83 Percent Accuracy, Mount Sinai Researchers Find | Mount Sinai — New York)。又如，研究顯示分析病人在社群媒體上的發文內容與影像，能夠及早偵測憂鬱症，辨識準確度可媲美臨床問卷評估 ( Artificial Intelligence for Mental Healthcare: Clinical Applications, Barriers, Facilitators, and Artificial Wisdom — PMC )。這些 AI 診斷輔助工具有助醫師更客觀地評估病人的心理狀態，及早識別高風險個案。

另一方面，在治療與病人情感支持上，AI 也提供了創新的輔助，許多臨床團隊使用聊天機器人作為病人的隨身心理助理：例如由史丹佛團隊開發的 Woebot 聊天機器人，每天和病人進行對話、帶領病人完成認知行為治療（CBT）練習。一項隨機對照試驗顯示，大學生使用 Woebot 兩週後，憂鬱症狀明顯下降，效果優於僅閱讀心理衛教資訊的對照組 ( Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial — PMC )。病人幾乎每天都願意與機器人互動，並回饋 Woebot 能夠給予共情的回應，彌補了傳統治療中兩次門診間的支持空窗 ( Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial — PMC )。對部分年輕病人來說，向 AI 傾訴反而更放鬆 — — 他們知道「對方」不會帶有偏見，因此更願意袒露內心想法 ( Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial — PMC )。這種現象說明 AI 輔助在改善治療互動上具其潛力，特別是在心理師人力不足或病人對真人諮商有顧慮時，AI 可提供一種可能的傾訴窗口。

在治療決策方面，AI 也能協助醫師制定個人化的治療計劃。以色列的新創公司 Taliaz 開發的 Predictix 系統利用深度學習整合病人的基因檢測、生活習慣和臨床醫療紀錄，為憂鬱症病人推薦最適合的抗憂鬱藥物 (Artificial intel finds best antidepressant for a patient — ISRAEL21c)。傳統上，抗鬱劑的療效因人而異，病人常需反覆試藥、找到最佳解。應用這類的 AI 決策輔助，醫師可以在治療一開始就參考演算法給出的用藥建議，減少反覆試藥的時間。實際案例顯示，一位經歷過四種抗憂鬱藥物仍無效的病人，在接受 Predictix 分析推薦的新藥三週後，症狀出現了明顯好轉 (Artificial intel finds best antidepressant for a patient — ISRAEL21c)，可見 AI 有機會提升治療對症下藥的精準度，縮短病人的痛苦摸索期。

最後，AI 也被應用於自殺風險預測與危機介入，輔助臨床人員挽救生命。美國退伍軍人事務部（VA）率先部署了一套自殺風險預測演算法，分析龐大的電子病歷資料以找出最高風險的族群。該模型預測分數排名最頂端 0.1%的退伍軍人，其自殺率是平均值的 30 倍 (Study Shows REACH VET Program Effective for Veterans at High Risk for Suicide — National Institute of Mental Health (NIMH))。VA 據此在 2017 年推行了「REACH VET」計畫，主動對這些高風險個案加強關懷。結果顯示，接受 AI 篩選介入的病人後續的門診追蹤率和安全計畫訂定明顯提高，精神科急診與住院次數減少，自殺未遂率則下降了約 5% (Study Shows REACH VET Program Effective for Veterans at High Risk for Suicide — National Institute of Mental Health (NIMH))，說明透過 AI 早期預警並配合臨床介入，確實可以降低自殺傷害的發生。在一般社群中，AI 同樣有助於危機偵測，例如 AI 系統可自動掃描社群媒體貼文中的求救訊號，若發現用戶流露出強烈的輕生念頭，AI 會即時發送私訊提供求助資訊、分享走出危機的故事，甚至引導至自殺防治專線 (Inside AI’s Efforts to Stop Suicide on Social Media | TIME)。Facebook（Meta）等平台也運行類似演算法來標誌出現自殘暗示的貼文，必要時通知版主介入或自動推送協助連結。對醫療人員而言，這些 AI 工具相當於多了一雙無眠的眼睛在網絡世界守望，輔助他們更早發現和介入隱藏在人群中的危機個案。

從醫師觀點看，AI 在臨床上展現多重價值：協助診斷提高精確性、個人化治療方案、增進病人互動及遠端監測，並強化自殺防治網絡。而愈來愈多的研究和實務案例（如上述語音預測思覺失調、自殺風險預警等）為這些應用提供了基石。不過，醫界也保持理性態度，強調 AI 再強大也無法取代人類的同理心與臨床判斷，因此將之定位為「輔助工具」而非「取代者」。未來隨著更多驗證研究出爐並解決隱私、偏見等問題，AI 在精神健康領域的臨床輔助角色有望更加可靠成熟。

投資人觀點：市場規模、趨勢與投資機會

從投資角度來看，精神與心理健康領域的 AI 應用正處於高速成長階段，市場前景廣闊且充滿動能。近年來全球數位心理健康市場的資金湧入屢創新高，據統計，僅 2021 年第四季，VC 對心理健康科技公司的投入就高達 17 億美元，美國占了其中近六成。新冠疫情大幅推升大眾對心理健康的需求（2020 年全球憂鬱和焦慮盛行率增加了約四分之一），也讓資本市場意識到傳統精神醫療模式面臨的供需缺口，因而積極尋找技術創新的解決方案。研究機構預估 AI 在心理健康市場將維持高速成長：例如有報告指出 2024 年此市場規模約為 15 億美元，預計 2030 年將達到 51 億美元，年複合成長率超過 20% (全球心理健康人工智慧市場)。另一則分析則更樂觀地預測 2030 年前可突破 70 億美元規模 (人工智慧(AI) 在心理健康領域的應用：預測（2025–2030 年）)。儘管預測值略有差異，整體趨勢顯示未來 5–10 年此領域可能保持每年兩位數以上的增長，在整個數位醫療產業中屬於增長最快的板塊之一。

從趨勢和回報看，心理健康 AI 市場受到多重利好因素驅動。首先，需求面上心理疾病已成爲全球最沉重的疾病負擔之一，但專業人力遠遠不足 — — 例如印度 13 億人口中持有執照的臨床心理師不到一萬名 (Wysa raises $20 million to expand its therapist chatbot into a wider set of mental health services | TechCrunch)，供需落差意味著巨大的市場空間，AI 解決方案若能彌補部分服務缺口，將有廣闊的用武之地。其次，政策與社會意識方面，各國政府和企業日益重視心理健康（許多企業將員工心理健康視為留才關鍵），這帶來支付意願的提升和商業模式的創新，如企業員工協助方案（EAP）採用數位心理服務的風潮等 (〖職場心理壓力〗焦慮、壓力沒有出口？用科技帶來心靈療癒，這些新創為企業員工心理健康站第一線 — WellMedia_傳遞美好生活的無限可能) 。技術成熟度的提高讓相關應用也更易於大規模推廣：行動裝置普及、雲端運算與隱私保護技術的進步，使 AI 心理服務可以低成本、安全地觸達終端使用者。此外，由於疫情期間遠距醫療普及，使用者對線上心理諮詢、AI 聊天機器人等新形態服務的接受度也大幅提高，有利於塑造長遠的使用習慣。對投資者而言，這些趨勢隱含著心理健康 AI 領域有望誕生新的獨角獸公司並帶來可觀的投資回報。例如，美國遠距心理診療新創 Cerebral 成立短短三年估值即超過 10 億美元；企業心理健康平台 Lyra Health、Spring Health 等也以精準匹配療法與大數據分析見長，幾年內累計融資額達數億美元之譜 (Top AI startups Solving Mental Health in US)，這些成功案例進一步吸引創投關注，形成正向循環。

投資人可關注幾個重點子領域的機會：

數位治療（Digital Therapeutics）：指經臨床驗證、可處方的數位療法，用於治療精神疾病或改善症狀。例如，美國已核准好幾款數位治療產品，包括用於失眠的 CBT 手機應用程式和針對藥物成癮的數位介入方案等。對投資人而言，這類產品一旦獲得監管認可並納入給付，將開闢出類似藥物的新市場。許多新創正在開發針對憂鬱、焦慮、創傷後壓力症（PTSD）等的數位療法，具有成為高成長、高毛利產品的潛力。
AI 聊天機器人與心理健康助理：這是目前市場最活躍的領域之一。知名新創如 Woebot Health、Wysa 等已累積數百萬用戶，透過 24 小時隨時在手機上提供情緒支援、放鬆訓練和認知療法引導 (Wysa raises $20 million to expand its therapist chatbot into a wider set of mental health services | TechCrunch)。Woebot 曾獲紐約時報等媒體關注，其年輕用戶表示更願意向機器人傾訴而非真人諮商師 (This teen shared her troubles with a robot. Could AI ‘chatbots’ solve the youth mental health crisis? | LA School Report)；Wysa 則在英美等國醫療體系取得認證，被企業和保險納入服務（已累積 450 萬以上用戶並處理逾 4 億則對話）。此類 AI 心理助理具有高度可規模化（一套系統可服務無數用戶），商業模式包含直接付費下載、企業採用以及保險給付等多樣化選擇，因而深受創投青睞。然而競爭者眾多，投資人也需慎選具技術壁壘和臨床驗證數據的團隊，以降低未來被淘汰的風險。
自殺預測與危機介入平台：隨著對精神健康風險管理的重視，許多醫療機構和保險方尋求 AI 工具來預防高成本的危機事件（如自殺、自傷）。這塊市場的商業模式多為 B2B（賣給醫院、診所或學校），例如 NeuroFlow 等公司提供給醫療院所一套平台，能整合病人的問卷、自述和可穿戴裝置資料，利用 AI 演算法持續評估風險狀態，當指標惡化時提醒臨床人員介入 (Suicide prevention is getting smart via NeuroFlow’s AI tools)。Talkspace 等線上治療平台也開發了內部 AI，分析病人與治療師的聊天文字以偵測自殺念頭，成功將可疑訊息偵測準確率提升到約 83% (Top AI startups Solving Mental Health in US)。由於這直接關乎降低醫療與社會成本，願意付費的客戶（醫療體系或政府）意願強，因此投資價值不容小覷。但同時，此領域對演算法可靠性和道德風險要求極高，投資人需評估產品是否經過嚴謹驗證且符合隱私規範。
企業心理健康服務：越來越多新創專注於企業員工心理健康方案，以 AI 技術提升規模效益，例如新加坡的 Intellect 提供多語言的心理健康 App 與線上教練服務，企業客戶包括各地公司與醫院。美國的 Spring Health 和 Lyra Health 也針對企業推出整合方案，透過 AI 評估員工心理狀態並匹配適當資源，強調能將員工復原率提高一倍、療程時間減少一半 (Top AI startups Solving Mental Health in US)。這類公司商業模式清晰（向企業收取訂閱或服務費），市場規模隨著「職場心理健康」成為顯學而快速擴大，是近年創投資金密集佈局的區塊之一。

當然，投資人也必須留意風險因素。首先是監管和臨床證據風險：醫療相關 AI 產品若宣稱治療功效，往往需要取得監管單位許可並提交臨床試驗數據，研發投入大、時程長。如果產品效果不如預期或試驗設計不佳，可能影響後續核准和市場認可 (Inside AI’s Efforts to Stop Suicide on Social Media | TIME)。第二是資料隱私與倫理風險：心理健康數據屬高度敏感資訊，處理不當將引發隱私爭議甚至法律責任。演算法偏見也是隱憂之一，若訓練數據不夠多元，AI 可能對某些族群準確率較差，甚至出現歧視性的誤判，例如先前有 AI 模型被發現對女性或少數族裔的自殺風險預測不精確，導致資源錯置的批評。第三，競爭與商業模式風險：大量資金湧入也意味著競爭者林立，投資標的若無明顯技術優勢或用戶規模，可能被巨頭或後起之秀趕超。同時，一些心理健康 AI 應用還在摸索最適合的變現方式，如直接向消費者收費的意願有限，因此如何取得穩健的收益流也是投資需考量的重點。

投資人對「AI + 心理健康」領域保持高度興趣，視之為數位醫療下個十年的風口之一。在各細分方向中，數位治療、AI 心理助理、自殺預警和企業心理健康方案都展現出可觀的成長潛力和社會價值。隨著更多成功案例出現（如上億美元估值的新創湧現）以及心理健康持續受到關注，該領域有望為投資人帶來亮眼的財務回報。但同時，要獲得長遠成功也要求創業團隊和投資方具備醫療產業的耐心與對倫理責任的承諾，這樣才能在造福社會的同時實現商業利益的極大化。

技術與應用分類：AI 心理健康應用一覽

為了梳理當前 AI 在精神 / 心理健康領域的多元應用，可大致分為幾個類別。

診斷輔助

運用機器學習分析病人的語言、聲音、生理數據或影像，以協助心理疾病的早期診斷與分類。例如：AI 分析受訪者自由談話的語意連貫性，可預測高風險族群日後發病思覺失調症，準確率約 79%；再如透過演算法比對社群媒體貼文的文字和照片風格，及時偵測憂鬱症跡象，其判別結果與臨床篩檢問卷相當。此外，研究也嘗試以深度學習辨識腦部影像的細微變化來識別憂鬱症或創傷症候群病人，這些診斷輔助工具有望提高精神疾病診斷的客觀性和敏感度。

症狀追蹤

利用手機傳感器、穿戴裝置與日常數位足跡進行數位表徵（Digital Phenotyping），連續監測個體的心理狀態，包括智慧手機 App 記錄使用者的打字速度、通話頻率、活動步數與睡眠時間等，透過 AI 模型找出情緒低落或躁動的早期信號；又如語音日記應用 Kintsugi，分析用戶每天說話的語調與聲學特徵，自動評估其憂鬱或焦慮程度 (Top AI startups Solving Mental Health in US)。穿戴裝置量測的心率變異、皮膚電反應等生理指標也能納入模型，以偵測恐慌發作等狀況；這類症狀追蹤工具可讓治療師即時了解病人在診間外的狀況，及早介入防止症狀惡化 ( Artificial Intelligence for Mental Healthcare: Clinical Applications, Barriers, Facilitators, and Artificial Wisdom — PMC )。

病人互動

透過對話式 AI 或虛擬人物與病人互動，提供情緒支持、心理衛教或協助評估，最常見的是聊天機器人，如 Woebot、Wysa 等，以文字對話方式與使用者交流，帶領病人進行呼吸放鬆、認知重構等練習。在一項研究中，Woebot 與大學生每天聊天，兩週後用戶的憂鬱指數顯著下降 ( Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial — PMC )。除了文字聊天，還有一些虛擬助手採用語音或視覺介面，例如美國國防部曾試驗「Ellie」虛擬治療師：透過螢幕上的擬人化形象與病人面談，同時以攝影機與麥克風捕捉病人的表情微妙變化和聲音壓力與波形，以協助評估 PTSD 等診斷，研究發現受訪者在知道 Ellie 是 AI 的情況下，反而更願意坦誠、表達敏感的經歷 ( Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial — PMC )。社交機器人如療癒機器娃娃 PARO（一隻機器海豹）也用於陪伴失智症長輩以舒緩焦慮。這類人機互動應用旨在增強病人參與，讓心理支持能延伸到診療室之外。

自殺預測

應用人工智慧演算法從大量資料中找出自殺風險信號，以預防危機發生。醫療系統常用病人的電子病歷數據來預測，例如 VA 的演算法從數十萬名就醫退伍軍人資料中識別出最高風險者，其預測自殺未遂的能力經證實有效。另外，社群媒體監測也是新興方向：AI 模型每天掃描成千上萬則推文、貼文，偵測其中的絕望語句或告別訊息，一旦發現立即觸發介入機制。例如波蘭的 Samurai Labs 公司與 Reddit 平台合作，AI 自動私訊那些發表可能有自殺念頭貼文的用戶，提供關懷與求助資源，而 Facebook 也運行類似 AI 來主動通知救援單位。這些預測系統大多與人類專業人員配合運作：AI 預警後，由心理師或版主評估並聯繫當事人，雖然目前準確率和誤報問題仍待改善，但已經有實例表明可挽救陷入危機的生命。

心理健康 AI 助理

泛指為個人提供持續性心理健康管理的 AI 系統，功能包含情緒記錄、舒壓引導、衛教資訊提供等。與聊天機器人不同的是，AI 助理通常更強調個人化與長期陪伴，例如手機上的 AI 心理教練會根據用戶每日心情日誌和行為數據，給出貼合病人狀態的建議，如提醒休息、鼓勵社交或推薦冥想練習。又或者結合語音助理（如 Alexa、Siri）的心理健康功能，用戶可以透過對話請 AI 給予安慰或技巧指導。另一方向是治療師的 AI 助手，協助心理師記錄諮商重點、分析談話內容以提供介入建議，例如以色列的 Eleos Health 開發 AI 系統在治療會談背景中運行，轉錄對話並標記關鍵情緒訊號，會後自動生成逐字稿和初步治療計劃，減輕治療師的文書負擔。這類心理健康 AI 助理無論服務對象是病人本人或臨床工作者，目的都是讓 AI 成為貼身的智慧夥伴，提升心理照護的即時性與個別化。

台灣現況與國際比較

在台灣，AI 於精神與心理健康領域的應用仍屬起步階段，但已出現值得關注的實踐與創新，並與國際發展形成對照。近年台灣醫療與新創圈開始將目光投向心理健康科技，幾個具代表性的案例：

臨床應用與研究：幾間醫療院所與研究單位已著手探索 AI 輔助精神醫學的可能性，軍方醫療體系與新創團隊的合作就是一例：新創公司「竹謙科技」（Bamboo Technology）集結精神科醫師與諮商心理師的經驗，開發出一套 AI 心理師系統，專門用於輔導軍中官兵的心理問題 (台灣新創數位膠囊、AI 心理師，形塑未來世界醫療場景 | TechNews 科技新報)。由於部隊心理師人力有限，此 AI系統希望作為解方，讓有壓力困擾的軍中弟兄可以透過虛擬對話獲得協助。據竹謙科技透露，他們已與國軍單位合作測試，期望降低因羞於求助而隱忍不說的情況。此外，臺灣大學、成功大學等亦有學術團隊關注數位心理健康，如運用語音辨識篩檢憂鬱症、VR 暴露治療結合 AI 調適等研究，不斷累積本土的臨床數據。
遠距與線上諮商平台：台灣出現了一批數位心理諮商的新創，如鳴醫公司打造的「FarHugs 遠距抱抱」平台是台灣首個線上心理諮詢醫療資源共享平台，截至目前已有約 427 位合格心理專業人員進駐，服務超過 7.8 萬名用戶。雖然遠距抱抱主要是媒合真人諮商，但未來也可能導入 AI 評估工具，協助企業客戶篩選員工壓力狀況或提供自助緩解內容。另一例「聊心茶室」則結合真人與 AI，保留了真人心理師在線服務，同時探索 AI 在諮商流程中的輔助角色。台灣的遠距心理健康服務逐步興起，AI 多作為輔助提升效率，例如平台可能運用簡易聊天機器人先行蒐集來談者的基本情緒狀態，或在諮商後提供 AI 引導的追蹤對話，以延續療效。
相關新創公司：除了上述竹謙科技與鳴醫，台灣還有一些新創投入心理健康科技，例如聖光術科技推動心理輔導系統的 AI 發展，曾發起群眾募資強調心理健康的重要性 (台灣科技新創聖光術科技致力於心輔系統的發展，成為心靈健康的 …)；台灣在整體數位醫療上的實力也可為心理健康 AI 提供助力，例如知名的新創杏智能（iXensor）雖主攻生理檢測，但其行動醫療技術和國際經驗，未來也可能延伸至心理健康監測領域。同時，政府與學研單位正積極打造醫療資料庫與法規沙盒，為 AI 醫療創新（包含精神健康）提供實驗場域。台灣的新創規模和資金量雖不及美國，但具有醫療水準高、IT 產業強的優勢，只要找到適合的切入點，仍可能在利基應用上取得突破。

國際比較：在美國、歐洲、以色列等國，心理健康 AI 的發展各有側重，台灣可以從中借鏡。

美國：作為全球創新與投資的中心，美國在心理健康 AI 領域無論數量或成熟度都領先許多，從聊天機器人（Woebot、Wysa）到企業心理平台（Lyra、Spring Health）再到專科決策支援（如醫師用的抗憂鬱藥物 AI 選擇器），都有獨角獸級公司出現 (::: 科技與心理醫療照護新趨勢-工研院產業學習網 :::) (Top AI startups Solving Mental Health in US)。美國的特色是市場規模大且多元，有龐大的直接消費者市場，年輕族群樂於嘗試心理健康 App；另一方面有眾多保險公司和醫療機構願意為降低嚴重精神疾病成本而投資 AI 工具（如各大醫院引入自殺風險算法），而科技巨頭也涉足其中，如 Google 和蘋果投入手機健康數據的憂鬱偵測研究等。美國的創新生態系統相當完整，新創公司容易獲得充裕的資金進行產品迭代，但相對地，美國監管機構（FDA）對數位醫療產品要求嚴格，新創需投入大量資源做臨床試驗以證明效用，這可能超出台灣新創普遍的承受能力。因此台灣在學習美國經驗時，可優先觀察哪些應用類型較易以軟體服務形式切入而不涉醫療器材監管，或者與國際接軌參與他們的臨床試驗合作，以降低研發風險。
歐洲：歐洲各國對心理健康創新的接受度逐漸提高，但市場相對分散、文化語言多樣，因此歐洲出現的服務常強調本土語言與在地化，例如德國的新創 Selfapy 提供德語的線上 CBT 課程 App，致力於降低德國人尋求心理協助的門檻，在疫情前即獲得 600 萬歐元投資，因疫情需求暴增而用戶大增。歐洲的另一特點是政府和健保在其中的角色大，例如英國國民健保署（NHS）設有數位健康應用認證，將有效的心理健康 App 納入推薦甚至給付清單。Wysa 就是在英國獲得 NHS 批准採用的案例，這種公部門的背書有助於推廣，但同時歐盟對數據隱私（GDPR）要求極高，對 AI 產品的道德規範也趨嚴格（例如正在制定的 AI 法規草案將心理健康風險分類為高風險應用，需要符合透明度和監管審查），因此歐洲的新創往往發展較謹慎，規模擴張速度不如美國。台灣若對歐洲市場有興趣，應注意符合當地法規標準，同時或許可以以亞洲語言優勢與歐洲團隊合作，將他們的產品引進亞洲華人市場，達到雙贏。
以色列：以色列雖人口不多但創新能力突出，在數位健康領域亦不缺亮點，以色列的新創通常著眼全球市場並專攻技術難題，例如前述 Taliaz 公司運用 AI+ 基因檢測來優化用藥，就是瞄準全球精神科醫師市場；又如 Eleos Health 利用自然語言處理為美國的心理治療師提供逐字紀錄與分析服務，解決的是美國治療師普遍抱怨的文書負荷問題 (Eleos Health Joins Forces with Zero Suicide Institute)。這些以色列團隊擅長將 AI、醫學和商業直覺結合，往往用 B2B 模式切入海外成熟市場（如與美國醫院合作試點），較少直接面向當地消費者。他們也善於拿國際研發經費，例如 Taliaz 曾獲歐盟地平線計畫資助 (Mental health startup Taliaz scores €2.3M EU Horizon 2020 grant)。台灣與以色列在規模上雖然相近，但以色列的新創視野更國際化，台灣公司若能學習其模式，提早布局國際合作和認證，把自己定位為全球解決方案的一環，將更有競爭力。此外，以色列有許多數位健康加速器和創投專注此領域，台灣的新創可尋求進入這些加速器，獲取國際資源與技術指導，加速成長。

台灣在心理健康 AI 的應用上起步較晚，目前仍以少數試點和新創為主，離大規模臨床部署尚有距離。相較之下，美國市場蓬勃、產品類型繁多；歐洲強調合規與本地化；以色列則聚焦技術創新並進軍海外。台灣擁有優秀的醫療體系和科技人才，在資料累積和雙語環境上也有優勢，完全有潛力在這股浪潮中找到自己的定位。例如，台灣健保系統龐大的資料庫若能匿名開放給 AI 研究，用於訓練本土化的心理健康風險模型，將是非常寶貴的資產；台灣社會對心理健康的重視近年逐漸提高，政府推出補助民眾諮商費用等措施 (「青壯世代心理健康支持方案」常見問答 — 衛生福利部單位網站)也反映出需求面在增長，這些都為心理健康 AI 的發展提供了良好的土壤。未來，台灣可望看到更多醫院引進 AI 輔助心理健康篩檢工具、新創推出創新的情緒陪伴產品，以及跨國合作把國際成熟方案帶入台灣服務本地民眾。

結語

展望未來，人工智慧在精神健康領域的應用將持續擴大，從預防、診斷到治療各個環節帶來變革。理性而言，我們必須認清 AI 不是靈丹妙藥，仍需依賴紮實的臨床驗證和人性化的設計來發揮作用；但樂觀來看，AI 確實為紓解全球心理健康危機提供了一道曙光。透過前述種種案例與數據，我們看到 AI 已經能幫助醫師更早發現疾病、幫助病人更方便地獲取情緒層面的支持，也幫助社會以更創新的方式關注每個人的心理狀態。或許不久的將來，深夜裡焦慮失眠的人們能隨時喊出「小幫手，我需要聊一聊」，一個溫暖智能的聲音便會在另一端響起，陪他度過黑暗的時刻。同時，在診間裡，心理師也多了一位隱形的 AI 夥伴，適時為她提示病人未曾說出口的痛苦。在理性與感性的交織下，AI 正在重塑心理醫療的版圖，我們有理由相信：只要懷抱對倫理與人性的共感與尊重，善用這些新興技術，未來將能打造一個更健全、更具同理心的心理健康照護體系，讓求助變得更容易，讓心靈的苦痛不再被遺漏在角落。每一位在黑夜中徘徊的人，都將有機會透過 AI 的引導，找到通往光明與希望的道路。

— –

📒 Compiled by — 台中慈濟醫院復健科 R3 陳佳菁醫師 Sigrid Chen, PM&R Resident Physician at Taichung Tzu Chi Hospital, Taiwan; Former Medical Consultant at ASUS Intelligent Cloud Services.

參考資料：

Barak-Corren, Y. et al. (2017). 「用機器學習預測精神疾病發作」, World Psychiatry, 16(1): 45–46. (Speech Analysis Software Predicted Psychosis in At-Risk Patients with up to 83 Percent Accuracy, Mount Sinai Researchers Find | Mount Sinai — New York)
NIMH News (2022). 「研究顯示 REACH VET 計畫有效降低自殺未遂」 (Study Shows REACH VET Program Effective for Veterans at High Risk for Suicide — National Institute of Mental Health (NIMH))
Israel21c (2019). 「人工智慧為憂鬱症病患找對藥物」, ISRAEL21c, Apr 23, 2019 (Artificial intel finds best antidepressant for a patient — ISRAEL21c)
Darcy, A. et al. (2017). 「以 Woebot 提供自動化對話式治療的隨機對照試驗」, JMIR Mental Health, 4(2): e19 ( Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial — PMC )
CB Insights (2021). 「2021 心理健康科技報告」 (::: 科技與心理醫療照護新趨勢-工研院產業學習網 :::)
Time (2024). 「AI 正將社群媒體變成自殺防治前線」, Time Magazine, Feb 22, 2024 (Inside AI’s Efforts to Stop Suicide on Social Media | TIME)
AIM Research (2024). 「八家引領AI心理健康創新的美國新創」, AIM Research, May 23, 2024 (Top AI startups Solving Mental Health in US)
TechNews 科技新報 (2025). 「台灣新創數位膠囊、AI心理師形塑未來醫療」, 2025/01/10 (台灣新創數位膠囊、AI 心理師，形塑未來世界醫療場景 | TechNews 科技新報)
WellMedia (2024). 「用科技帶來心靈療癒：企業心理健康新創」, 2024/02/23 (〖職場心理壓力〗焦慮、壓力沒有出口？用科技帶來心靈療癒，這些新創為企業員工心理健康站第一線 — WellMedia_傳遞美好生活的無限可能)
ITRI 工研院產業學習網 (2022). 「科技與心理醫療照護新趨勢」 (::: 科技與心理醫療照護新趨勢-工研院產業學習網 :::)