AI 精準精神醫學：現在能做什麼，還做不到什麼

「精準精神醫學」這個詞的意思是：不要再用同一套流程對待所有被診斷為憂鬱症的人，而是根據個別的生理與行為特徵，挑出對這個人最可能有效的治療。

聽起來理所當然。問題在於，精神科到現在還沒有一個像血糖、像腫瘤標記那樣，可以直接指導治療決策的生物標記。

現在真的能用的部分

結構化的症狀追蹤。 這是最不性感、但實際效益最明確的一項。PHQ-9、BDI 這類量表本身不新，新的是把它變成每週固定紀錄、畫成曲線。曲線的價值在於，它會揭露記憶不可靠的地方 —— 病人覺得「這個月都很糟」，攤開來看其實是後面兩週明顯往上走。療效判斷因此不必只靠回診當天的主觀印象。

用資料整理取代人工翻病歷。 把過去用過哪些藥、劑量多少、用了多久、為什麼停，整理成一張清單。這件事不需要什麼先進模型，但在轉診或換醫師時，能省下大量時間，也能避免重複試已經失敗過的藥。

語言模型作為整理與衛教工具。 把冗長的評估紀錄整理成摘要、把治療說明改寫成病人看得懂的版本。這類用途的共同點是：輸出結果由人審核，錯了看得出來，而且不直接決定治療。

預測「這個人適合哪種藥」。 有很多研究做出了看起來不錯的模型 —— 用 EEG、用影像、用基因、用症狀組合去預測治療反應。問題出在外部驗證：模型換到另一家醫院、另一個族群，準確度常常掉到接近隨機。原因不外乎樣本數不足、族群偏誤、以及精神科診斷本身的異質性太高。

取代診斷。 診斷準則本身就是共識產物，不是自然界的分界線。用一個模型去逼近一個本來就模糊的標籤，上限被標籤本身限制住。

判斷自殺風險。 這是最需要謹慎的一塊。風險預測模型在研究上有些成果，但實務上的偽陽性率高到難以直接使用，而漏掉的那些又正是最嚴重的後果。目前沒有任何模型可以取代臨床會談。

三個原因值得記住：

第一，精神科的結果變項很吵。「有沒有改善」是靠問出來的，同一個人在不同情境下回答會不一樣。訓練資料本身的雜訊高，模型的上限就低。

第二，樣本數遠遠不夠。要在高維度資料上訓練可泛化的模型，需要的個案數是數萬起跳，而多數精神科研究是幾十到幾百人。

第三，發表偏誤。做出好結果的模型比較容易發表，外部驗證失敗的通常留在抽屜裡。所以文獻讀起來會比真實情況樂觀。

我的立場是：在「能被驗證的地方」用力，在「不能被驗證的地方」保守。

量化追蹤能被驗證 —— 曲線畫錯了，下週就看得出來。資料整理能被驗證 —— 藥單漏了一項，人眼查得到。這些地方值得投入。

而治療反應預測、風險分層這類需要長期才知道對錯的判斷，目前仍應該由臨床決策主導，模型最多作為提示，而且要清楚知道它可能錯在哪裡。

技術會進步，這些界線會移動。但移動的方式應該是有人拿出可重複的外部驗證結果，而不是因為工具變得更好用了。

如果你在門診聽到有人用「AI 分析」來說明為什麼要用某個治療，值得問一句：這個分析的依據是什麼、有沒有在別的族群驗證過。這不是刁難，是合理的問題。