【回顧 2025】AI 在精神醫學的現況與未來

2025 年，AI 在精神醫學領域的發展，已經從「能不能用」走進了「用在哪裡、用得多好」。

最近讀了兩篇 2025 年發表的回顧文獻——Bucher 等人發表於《JMIR Mental Health》的系統性回顧，以及 Jin 等人發表於《Journal of Medical Internet Research》的範疇回顧。兩篇論文合計分析了全球近百項研究，把目前大型語言模型（LLM）在精神醫學裡「已經成熟、且具備初步實證支持」的能力，整理得相當清楚。

我想用這篇文章，把這些結論轉譯成大家都能理解的版本，並聊聊幾個值得期待的未來方向。

兩篇 2025 回顧，近百項研究

這兩篇回顧的視角互補。Jin 等人的範疇回顧（Scoping Review）像是把整個領域的地圖攤開來看，盤點 LLM 在心理健康場域的各種應用與使用情境；Bucher 等人的系統性回顧（Systematic Review）則更強調「它不只值得我們關注，更需要嚴謹的評估方法」——提醒我們在擁抱新技術時，不能只看 demo，還要看實證品質。

把兩篇放在一起讀，會浮現一個清楚的輪廓：目前的 LLM 在精神醫學裡，已經有幾項能力脫離了「實驗室玩具」的階段，進入「有初步實證支持」的成熟期。

AI 已具備實證支持的四大能力

A. 自動化臨床文書與結構化擷取

這項能力早已超越單純的「語音轉文字」（ASR）。現在的模型（如 Gemini 2.5 或 GPT-5 這個等級）能夠理解會談中的「潛台詞」，把一段非結構化的對話，直接轉化成結構化的臨床報告。

更實用的是，它能區分臨床上極為細微的差別。例如，「語速快」與「多話（pressured speech）」在轉寫稿上看起來都是「字很多」，但臨床意義完全不同——前者可能只是焦慮，後者卻是躁期的重要線索。模型能在病歷裡精準標註這類差異，減輕醫師的文書負擔，讓會談的注意力回到病人身上。

B. 數位表型分析

LLM 能分析一個人語言的「語義密度」與「連貫性」，從文字裡讀出心智狀態的細微變化。這在兩個場景特別有潛力：

• 思覺失調症前驅期：偵測早期的語意貧乏或聯想鬆散，這比傳統量表更敏感，有機會在第一次發病前就提出預警。
• 雙相性疾患：透過社群媒體貼文或日記的文字，分析情緒的變異度，預測躁期或鬱期的轉換，讓預防性介入成為可能。

C. 模擬病人與教學

對醫學生與住院醫師而言，高保真的模擬訓練一直是稀缺資源。現在 LLM 可以扮演一位「帶有特定防衛機轉」或「具有邊緣性人格特質」的虛擬個案，讓學員在安全的環境裡反覆練習。

更難得的是，它能訓練醫師的反移情覺察——當虛擬病人用挑釁或疏離的姿態互動時，學員可以練習覺察自己心裡浮現的情緒，而不會傷害任何真實的病人。

D. 初階 CBT／DBT 輔助

對於輕度的焦慮或憂鬱，基於 LLM 的對話機器人已經能執行標準化的認知行為治療（CBT）認知重構，或辯證行為治療（DBT）技巧指導。研究也觀察到，這類機器人在使用者的黏著度上，優於傳統的規則型聊天機器人——它們更接近一個「會陪你練習」的夥伴。

但要強調：這是「輔助」與「初階」，對於中重度的個案，它無法、也不該取代專業的評估與治療關係。

未來可能的三個發展方向

A. 多模態情感運算

未來的模型不再只是「讀字」，而是會「讀人」。

它將整合三種訊號：聲學特徵（語調平淡、發言潛伏期拉長）、臉部表情、以及文字內容。想像一個視訊問診的場景——當病人提到某段創傷經驗時，文字描述看似平靜，但微表情顯示出極度痛苦、聲音頻率出現顫抖，AI 能即時提示醫師：「這裡的情緒與敘述不一致，建議深入探詢。」

B. 精神醫學專用的 RAG

通用模型最大的風險是幻覺——自信地說出錯誤的資訊。未來的發展，會是綁定權威資料庫的封閉式檢索增強系統（RAG），例如 UpToDate、DSM-5-TR、以及各地的健保與給付規範。

這類「醫學專用」的證據型系統（如 OpenEvidence 已經有人在做了）能讓模型的回答腳踏實地，把「好像對」變成「查得到出處」。

C. 從「聊天機器人」到「治療代理人」

這是最讓我期待的轉變。

未來的 AI 將從被動回應，升級為具備長期記憶的主動代理人。它會記得你三個月前提過的那場家庭衝突，並在這次會談裡適時地把線索連結起來，展現出類似「治療聯盟（Therapeutic Alliance）」的那種連續性——一種「它真的認識我」的感覺。

你願意讓 AI 成為你的心理健康小幫手嗎？

把這些能力攤開來看，AI 在精神醫學裡的角色，正從「工具」慢慢走向「夥伴」。它不會取代治療師，但有可能成為那個在兩次會談之間、在你最脆弱的深夜裡，願意陪著你的存在。

那麼——你願意嘗試，讓 AI 成為你的心理健康小幫手嗎？

參考文獻

1. Jin, Y., Liu, J., Li, P., Wang, B., Yan, Y., Zhang, H., … & Wang, Y. (2025). The Applications of Large Language Models in Mental Health: Scoping Review. Journal of Medical Internet Research, 27, e69284.
2. Bucher, A., Egger, S., Vashkite, I., Wu, W., & Schwabe, G. (2025). “It’s Not Only Attention We Need”: Systematic Review of Large Language Models in Mental Health Care. JMIR Mental Health, 12(1), e78410.