AI預測焦慮症康復：11個關鍵因素揭密

一項來自賓州州立大學的最新研究指出，人工智慧（AI）技術，特別是機器學習，能夠有效預測廣泛性焦慮症（GAD）患者的長期康復情況。研究團隊分析了126名GAD患者的心理、社會人口統計及健康相關資料，從中找出11個關鍵變數，預測準確率最高可達72%。

廣泛性焦慮症是一種持續且過度擔憂至少六個月的心理疾病，即便經過治療，患者仍常面臨復發的風險。研究人員認為，AI技術不僅能預測長期康復的可能性，還能協助制定更個人化的治療策略。

研究團隊利用機器學習技術，分析了來自美國國家衛生研究院（NIH）「美國中年生活研究」的資料。該研究追蹤了25至74歲成年人的健康狀況，並於1995年至1996年間進行了首次訪談。研究結果顯示，AI模型能夠在九年的時間範圍內，以高達72%的準確率預測患者的康復情況。這項發現已發表於《焦慮症期刊》三月號。

研究主要作者、賓州州立大學博士生Candice Basterfield表示，過去的研究顯示GAD的復發率非常高，且臨床醫生在預測長期結果時的準確性有限。這項研究則表明，機器學習模型在預測康復與否方面展現了良好的準確性、敏感性和特異性，這些預測因子對於制定基於證據的個人化治療方案至關重要。

研究團隊使用了兩種機器學習模型進行分析：線性回歸模型和非線性模型。結果顯示，線性模型的表現優於非線性模型，並成功識別出11個關鍵變數。這些變數包括教育程度、年齡、朋友支援度、腰臀比以及正向情緒等，這些因素對康復的影響依序遞減。另一方面，抑鬱情緒、日常歧視、過去12個月內的心理健康專業諮詢次數及就醫次數，則被證明是預測無法康復的重要指標。

研究人員進一步驗證了模型的有效性，發現預測結果與九年後95名無GAD症狀的參與者資料相符。這表明，臨床醫生可以利用AI技術識別這些變數，並為GAD患者，特別是那些合併其他診斷的患者，提供更個人化的治療。

研究資深作者、賓州州立大學心理學教授Michelle Newman指出，近50%至60%的GAD患者同時患有憂鬱症，個人化治療可以針對憂鬱症進行幹預，同時緩解焦慮症狀。她強調，機器學習不僅能分析個別預測因子，還能幫助理解這些因子之間的相互作用，這是人類難以預測的。

研究團隊也提到，這項研究無法確定GAD在九年期間的持續時間，因為這是一種慢性疾病，症狀的嚴重程度會時好時壞。然而，這項研究為更精準的治療奠定了基礎。Newman表示，這項工作幫助我們開始理解如何為特定個體提供更個人化的治療。

參考文獻：Candice Basterfield和Michelle G. Newman於2025年1月25日發表於《焦慮症期刊》的研究「Development of a machine learning-based multivariable prediction model for the naturalistic course of generalized anxiety disorder」，DOI: 10.1016/j.janxdis.2025.102978。此研究由美國國家衛生研究院透過國家心理健康研究所提供支援。