腦電圖與機器學習：區分思覺失調與雙相障礙的初步研究探索

《Communications Medicine》一項初步研究以腦電圖（EEG）結合機器學習區分思覺失調與雙相障礙；在192人的資料中報告96.154%準確率，但未有獨立外部驗證，不能作臨床確診工具。^[1] 以下拆解研究設計、這個數字的真正含義，以及港澳讀者應如何理解。

Table of Contents

研究背景與設計：發生了什麼事？

在精神科臨床實踐中，思覺失調（Schizophrenia）與雙相障礙（Bipolar Disorder，伴隨精神病性症狀時）的早期症狀有時會出現重疊，增加診斷難度。2026年9月發表於《Communications Medicine》的一項研究，嘗試透過客觀的生物標記來輔助分類。^[1]

研究團隊收集192名參與者的腦電圖（EEG）數據，包括52名雙相障礙患者、65名思覺失調患者及75名健康對照，並以對比機器學習分析大腦網絡特徵。^[1]

研究報告指出，該特定網絡模型的分類準確率達到96.154%。^[1] 這個數字聽起來非常高，但我們必須謹慎解讀：

單一資料集驗證：該準確率是透過「留一法交叉驗證」（leave-one-out cross-validation）在同一批192人的數據中計算得出，這只是早期可引用版本。
缺乏外部驗證：模型尚未在其他醫院、不同種族或使用不同EEG儀器的全新患者群體中進行測試。在機器學習領域，模型在訓練數據集表現優異，但在新數據中準確率大幅下降是常見現象，目前無獨立外部驗證。

這項研究的臨床意義在於，它展示了腦電圖結合人工智能在探索精神疾病生物學基礎上的潛力。未來若技術成熟，或能為精神科醫生提供額外的客觀參考數據。

然而，其主要限制非常明顯：

對於香港及澳門的讀者，這項研究是一項有趣的科學進展，但距離實際應用仍有很長的路要走。精神科診斷目前仍依賴精神科醫生的詳細臨床評估、病史詢問及長期觀察。如果你或家人出現情緒劇烈波動、幻覺或妄想等症狀，請尋求專業精神科醫生的協助，切勿依賴任何未經證實的「快速測試」或儀器。

項目	內容
日期	2026年9月3日^[1]
地區	中國研究團隊；刊於國際期刊《Communications Medicine》^[1]
研究／政策類型	EEG對比機器學習模型開發與初步驗證研究。^[1]
樣本	192人（52名雙相障礙、65名思覺失調、75名健康對照）。^[1]
主要結果	特定網絡模型在同一資料集內報告96.154%分類準確率。^[1]
限制	樣本細；留一法屬同一資料集內驗證，未見獨立外部驗證，可能過擬合。^[1]
監管／臨床狀態	實驗階段；未獲批准作臨床診斷工具，不能取代精神科評估。^[1]
最大誤讀風險	誤以為現時已可透過驗血或腦電圖儀器準確「確診」思覺失調或雙相障礙

目前不可以。EEG結合機器學習區分這兩種疾病仍處於初步研究階段，未獲監管批准，臨床診斷仍需依賴精神科醫生的專業評估。

這個96.154%的準確率僅在研究的單一小樣本資料集中得出。由於缺乏獨立的外部驗證，該技術尚未證實其在廣泛臨床應用中的可靠性。

應盡快尋求註冊精神科醫生的專業意見，進行全面的臨床面談和評估，以獲得準確的診斷和適切的治療方案。

Jiang L, et al. Distinguishing schizophrenia and bipolar disorder through disorder-specific network revealed by contrastive machine learning. Communications Medicine. 2026. https://www.nature.com/articles/s43856-026-01867-1

本文內容僅供參考，不構成專業醫療建議、診斷或治療。如有任何精神健康問題，請務必諮詢註冊精神科醫生或其他合資格的醫療專業人員。

腦電圖與機器學習：區分思覺失調與雙相障礙的初步研究探索