當生成式 AI 走入精神科診間：ChatGPT 評估憂鬱量表之信度挑戰

 當生成式 AI 走入精神科診間：ChatGPT 評估憂鬱量表之信度挑戰

蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心、身心介面研究中心主持人

精神醫學及神經科學 特聘教授

在精神醫療中，推動量化病理學的醫療照護 (Measurement-Based Care, MBC) 是優化憂鬱症 (MDD) 治療成效的核心。近年來Artificial iIntelligence (AI) 與 Large Language Models (LLMs，如 ChatGPT) 快速進入精神醫療領域，也讓我們開始思考：AI 是否能協助精神科臨床評估？

Figure 1. Four-stage study flowchart for the reliability of ChatGPT in HAMD-21

Chang CH, Cheng SW, Chen WJ, Chang CW, Liu TH, Lee JH, Lin SC, Su KP*. A Cautious Integration With AI in the Clinic: A Standardized-Patient Pilot Study of ChatGPT’s Reliability in Hamilton Depression Rating Scale Scoring. Alpha Psychiatry 2026, 27(4), 51483.

漢密頓憂鬱量表（21-item Hamilton Depression Rating Scale, HAMD-21）作為評估憂鬱嚴重的金標準工具，施測極為耗時且易受施測者間差異影響。此外，症狀評估往往不是單純問答，而是需要理解語氣、脈絡、情緒、猶豫、睡眠型態、身體症狀與病人自我覺察。因此，我們設計這項先導研究，想要用比較嚴謹、可重複的方法，檢驗 ChatGPT 在HAMD-21 評分上的可靠度。

身為計畫主持人，我與張俊鴻醫師、劉亭慧醫師、鄭思維醫師，以及我們心身介面研究中心（MBI Lab & Care）臨床團隊的研究助理們，共同執行了這項研究。研究流程分為四個階段 (Figure 1)：

第一，團隊專業演繹建立黃金標準：運用資深精神臨床試驗的MBI團隊之醫師與研究助理，精心編寫10個涵蓋輕度至重度 (HAMD-21 腳本分數 2–27 分) 的臨床情境，並演繹標準化病人 (Standardized Patients, SPs)，以建立高度可重複的評估基準。

第二，將訪談錄影轉為中文逐字稿：訪談全程錄影並透過 Whisper ASR 轉錄為逐字稿，保留語氣停頓與情緒表達線索。

第三，ChatGPT 評分協定 (ChatGPT Scoring Protocol)：將訪談逐字稿輸入 ChatGPT-4o，結合 HAMD-21 中文操作手冊與標準化 Prompt，每個案例重複進行 3 次獨立對話評估，取其平均分數以降低生成式 AI 的隨機波動性 (Stochastic variability）。  

第四，統計分析 (Statistical Analysis)：採用兩向隨機效應、單一評分者、絕對同意模型之組內相關係數（Intraclass Correlation Coefficient, ICC(2,1)）評估信度。人類專家與 ChatGPT 之間的 ICC 差異採用 Steiger's Z 檢定進行單尾顯著性檢定。  

研究結果與數據分析

最令人意外的結果是：總分看起來非常好，但細項差異很大。 在 HAMD-21 total score 上，Human experts 的 ICC 達到 0.9921，ChatGPT 的 ICC 也高達 0.9739，若只看總分，ChatGPT 似乎已經接近 expert-level performance。

然而，當我們進一步看 item-level performance，就出現非常重要的落差。Human experts 在 21 個項目中，有 11 個別項目達到 perfect ICC；ChatGPT 則只有 2 個項目達到 perfect agreement。Steiger’s test 也顯示，human experts 在 10 個個別項目以及 total score 上顯著優於 ChatGPT。這提醒我們：AI 可能會在「總分」上表現漂亮，但在臨床真正需要判斷的細節上，仍然有明顯落差。

更值得注意的是，ChatGPT 的錯誤不是隨機分散，而是有一定模式。它常在 insomnia cluster，也就是 HAMD-21 items 4–6，以及 somatic symptoms item 13 中高估分數，把原本應該是 0–2 分的輕中度症狀，錯誤評為 3 分。更離譜的是，ChatGPT 還出現 總分加總的錯誤。換句話說，AI 能「理解」文字脈絡到一定程度，但在 severity thresholds 與 numerical calculation 上仍會出錯。

討論與臨床意義

這個結果對我們未來臨床試驗非常重要。HAMD-21常被用於憂鬱症的主要或次要症狀分項分析。如果 AI 只是在總分上接近一致，卻在睡眠、身體症狀、體重下降、病識感等細項上出現偏差，就可能影響 treatment response、remission、subscale interpretation 甚至 clinical trial endpoint 的判讀。因此，AI 不應被直接視為取代 rater 的工具，必須保留 human oversight，尤其在細項判斷與臨床意義詮釋上。

這項研究也提醒我們，精神科評估不是單純把文字丟給模型就好。Human raters 在原始訪談中能看到 facial expression、speech latency、emotional tone、psychomotor behavior 與 affective presentation；但 ChatGPT 只看到文字逐字稿，缺少非語言與副語言訊息。這可能是它在部分 HAMD-21 項目中表現受限的重要原因。

結論

ChatGPT-4o 具備作為精神科量化評估輔助工具的潛力，能降低臨床醫師負擔。然而，鑑於其單項判定偏誤與算術錯誤，臨床人類醫師的監督（Human-in-the-loop）仍然是確保醫療安全與精準度的核心底線。  

《天下學術，唯真理為歸》— 學術亮點分享及IBRO正名經過

 《天下學術，唯真理為歸》

蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心、身心介面研究中心主持人

精神醫學及神經科學 特聘教授

國際學術名門 International Brain Research Organization (IBRO) 邀蘇君撰寫《Neuroscience》五十週年紀念文集，述說臺灣神經科學半世紀薪火。不料文章付梓之際，小吏未經同意，竟私改國籍，並挾國際規範相壓，揚言不從便撤稿。

「名實不符，何以為學？」作者身分豈容擅改？蘇君按劍而起，一邊要求暫停刊登，一邊查出學會掌門、長老與主編之飛鴿傳書途徑，一封直達高層的長信，舉自身主持國際期刊、與中國學者合作數十篇論文之歷練，陳明學術真理不應屈從於私心與偏見。

IBRO 初時仍以舊規相推，蘇君再覆，文鋒如劍：「若以金融行規、UN陋習，凌駕學術事實，口稱中立，不過是另一種偏頗。」三度交鋒，正氣撼動高層。IBRO 執行長親自致歉，坦承制度僵化，全面尊重作者自主申報之國籍。文章最終端然標著TAIWAN，順利刊載。並當場立下新規：

「自此全面尊重學者自主申報之身分！」

俠之大者，不在勝人，而在守真。據理力爭，不只守護了一篇文章，更為學人立下了自由尊嚴的根基。 (#AI協作武俠小說風格)

【學術亮點分享】

分享受邀為國際權威期刊《Neuroscience》50 週年特別紀念系列撰寫的回顧文章（50 Reflections on Neuroscience—TAIWAN）：

本篇（第 28 篇）系統性回顧並展望台灣半世紀以來在神經科學領域的國際影響力，核心重點如下：

主題：

回顧與展望台灣近 50 年來在神經科學領域的發展、國際影響力與跨領域合作。 

四大重點回顧：

1. 文化精神醫學先驅：紀念林宗義教授在 WHO 與文化精神醫學的奠基性貢獻。
2. 連結組學重大突破：致敬江安世院士團隊建立全球首個果蠅單一神經元 3D 影像資料庫（FlyCircuit）。
3. 跨領域整合平台：介紹串聯國內 20 個相關學會的「台灣神經科學聯盟」（TNA）。
4. 身心介面與數位精神醫學：展現身心介面研究中心（MBI Lab）連續 16 年舉辦國際研討會，推動台灣成為營養精神醫學與數位心智健康的國際重鎮。

AI 是否正讓我們變笨？

AI 是否正讓我們變笨？ 

蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心、身心介面研究中心主持人

精神醫學及神經科學 特聘教授

這是一篇於 2026 年發表在知名學術期刊《認知科學趨勢》（Trends in Cognitive Sciences）上的科學與社會（Science & Society）評論文章，題為「AI 是否正讓我們變笨？」（Is AI making us stupid?）。文章探討人類將認知工作外包給人工智慧（AI）時，對人類的「技能（Skills）」、「知識獲取（Knowledge Acquisition）」與「基礎認知能力（Basic Cognitive Abilities）」所產生的潛在影響與應對策略。

Cash TN, Kelly MO, Macnamara BN, Risko EF. Is AI making us stupid? Trends Cogn Sci. 2026 Jul 9:S1364-6613(26)00131-2. doi: 10.1016/j.tics.2026.06.004. Epub ahead of print. PMID: 42425850.

隨著人工智慧（Artificial Intelligence, AI）技術的突飛猛進，大型語言模型（Large Language Models, LLMs）如 ChatGPT、Claude、Gemini 和 已深度融入日常與專業領域，這不僅顛覆了傳統的工作模式，也再度引發了關於「認知外包（Cognitive Offloading）」是否會侵蝕人類智能的社會焦慮。

• 認知外包的定義：人類長期以來皆會尋求外部工具（如計算機、GPS、網際網路）來減少內部認知系統的負擔，這種行為稱為「認知外包（Cognitive Offloading）」。

• 外包帶來的焦慮：雖然技術能提高效率，但人們也普遍擔憂這會損害人類的內在認知功能（如 Nicholas Carr 於 2008 年提出的著名科技反思：「Google 是否讓我們變笨？」）。

• AI 時代的論戰再起：隨著 ChatGPT、Claude、Gemini 等大型語言模型（Large Language Models, LLMs）的激增，關於認知外包對大腦功能負面影響的討論再度被引燃。

• 認知系統的核心區分：為了釐清 AI 的衝擊，必須將人類認知系統區分為兩大層面：

  1. 技能（Skills）：透過練習獲得、旨在有效完成特定任務的「習得行為（Learned behaviors）」（例如：算術、駕駛飛機）。

  2. 基礎認知能力（Basic Cognitive Abilities）：屬於底層、跨領域的「通用心理容量（Domain-general mental capacities）」（例如：工作記憶 Working memory、選擇性注意 Selective attention），是獲取與執行各項專業技能的基石。

AI 認知外包對「技能習得」與「技能衰退」的衝擊 (AI Offloading Undermines Skills and Causes Decay)

• 阻礙技能習得（Impede Skill Acquisition）：技能必須透過實作練習來取得與精進。若將練習完全外包給 AI，將阻礙學習。

  • 實證研究：一項針對高中生的數學學習研究顯示，使用能夠「完全替代解題」之 AI 工具的學生，雖然在練習期間表現優異，但在隨後無法使用 AI 的正式測試中，其成績明顯比從未使用過 AI 的對照組學生更差，符合完全外包剝奪了建立技能能力的想法。

• 加速技能衰退（Foster Skill Decay）：持續的練習是抵抗遺忘、留住既有技能的必要防禦手段。過度依賴 AI 輔助會導致現有技能退化。

  • 實證研究：一項針對內視鏡醫師腺瘤檢測率（Adenoma detection rates）的追蹤研究發現，在引入 AI 輔助檢查工具後的 3 個月內，當醫師在部分隨機個案中無法存取 AI 時，其腺瘤檢測率從原先未引進 AI 前的 28.4% 驟降至 22.4%，顯示 AI 的存在削弱了醫師獨立診斷的技能。

AI 認知 外包對「知識獲取」的負面影響 (Knowledge Acquisition)

• 記憶儲存與提取成本：當人們知道資訊可以外包給外部儲存媒介時，在學習過程中投入的努力會減少，導致日後從記憶中提取該資訊的機率降低。

• 深度學習與淺層學習的差異：研究比較了使用「Google 搜尋」與「AI 工具」獲取知識的差異。使用 Google 搜尋需要學習者自行打開鏈結、跨光源摘要，而 AI 工具則直接代勞生成摘要。

• 自主權與知識內化的喪失：實驗顯示，使用 AI 自動摘要的受試者，其後續在沒有科技協助下給予他人的建議更為簡短、缺乏獨特性且被評為較無幫助；他們花在學習的時間較少、習得的知識較有限，且對所獲得的知識缺乏擁有感（Ownership）。

基礎認知能力的韌性與抗性 (Resilience of Basic Cognitive Abilities)

• 對變革具備頑強抗性：相較於技能與知識，人類的「基礎認知能力」似乎更不易因技術外包而輕易被侵蝕。

• 認知訓練的任務局限性：認知訓練研究表明，大腦任務表現的提升通常具有高度「任務特異性（Task specific）」，而非反映出基礎認知資源（如工作記憶總量）的全面擴大。

• 效率改變而非總量改變：目前的科學共識認為，因訓練或環境引起的認知改變，主要是改變了「認知資源的使用效率」，而非改變個人「可支配的資源總量」。

• 未解之謎與發展階段限制：雖然基礎認知能力提供了對抗科技反烏托邦的屏障，但長期外包或在「兒童早期」等關鍵發展階段（Developmental stages）大量外包 AI 是否會動搖底層認知能力，仍是尚待解答的開放性問題。

AI 的使用方式決定人類認知的未來 (How We Use AI Matters)

• 完全自動化 vs. 主動留存認知圈：AI 對認知的衝擊取決於外包的形式與互動層級。若完全由 AI 代替提交答案，對認知發展最為不利。最核心的關鍵在於「我們如何使用 AI」。

• 引導型 AI 的正面效益（AI as a Tutor/Collaborator）：

  • 在上述高中數學實驗中，增設了第三組使用「客製化 AI 導師（Custom AI tutor）」的學生，該 AI 不直接給予答案，而是透過引導探查學生的知識盲點。當移除 AI 後，這組學生的測試表現並未退化，成功留存了數學技能。

  • 初步證據亦指出，將 AI 視為提供反饋的「協作者（Collaborator）」或將 AI 的輸出作為學習模仿的範本，即使在沒有 AI 的情況下也能提升未來的個體表現。

• 新型技能的演進：隨著時間推移，人類能透過發展「提示工程（Prompt engineering）」等新型技能，學習如何更高效、策略性地與 AI 協作，在最大化利益的同時最小化認知成本。

最核心的關鍵在於「我們如何使用 AI」。若我們在與 AI 工具互動時，能主動讓自己留在「認知圈（Cognitive loop）」內，將 AI 視為給予回饋的協作者（Collaborator）或引導思維的導師（Tutor），而非全然取代思考的拐杖，我們不僅能免於技能退化的代價，甚至能透過提示工程（Prompt engineering）等新型能力的培養，將 AI 轉化為催化個人智力進步與技能內化的強大工具。

當演化遇上數位時代（張老師專欄）

當演化遇上數位時代

蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心、身心介面研究中心主持人

精神醫學及神經科學 特聘教授

前言：在演化古老的旋律裡，我們的心曾與大地同頻。 

如今，數位時代的急促節奏，如狂風暴雨敲出失序的音符。 

當杏仁核的低語遇上演算法的喧囂，請聆聽 

這首內在交響樂，在混亂中重新找回安定的節奏。

我們正處於科技最進步、物質最豐足，心靈卻最疲憊的時代。焦慮、孤獨與憂鬱不再是偶發的崩潰，許多人是在長期睡不好、靜不下來、壓力大、心煩、對人失去耐性、對自己失去信心的過程中，慢慢耗損。到了最後，連快樂都變得很費力

若將這些困擾歸咎於「想太多」或「抗壓性差」太過簡略。從腦科學看，這源於我們的大腦與身體，正在面對一個遠快於人類演化速度的世界。都市化、社群媒體、演算法、睡眠剝奪、久坐生活、飲食失衡，取代了自然連結，便形塑出新型態的心理威脅，我稱之為「數位疫情」。

我們的大腦，並不是為這樣的世界設計的

從演化生物學的角度來看，人類的大腦原是為數萬年前的狩獵採集生活所設計：小型社群、貼近自然、遵循晝夜節律、持續活動身體。當時的壓力反應（戰或逃）用以應對野獸與飢餓，發炎反應則協助對抗感染與修復傷口。

然而，現代都市生活帶來了前所未有的「演化錯配（evolutionary mismatch）」。我們內建的壓力系統，大腦中杏仁核（Amygdala）無法區分原始威脅與現代壓力。截止期限、績效考核、房貸壓力、人同事的眼神、社群媒體上的酸言酸語、看不完的推播、半夜還亮著的螢幕，讓人類古老的壓力系統被長期啟動。久而久之，原本有助生存的機制，轉變為慢性壓力、情緒失衡與睡眠障礙，皮質醇持續升高，進而影響海馬迴功能，增加憂鬱與焦慮等心理困擾的風險。

都市化不只是生活方式的改變，也是情緒生態的改變

都市讓生活更便利，卻也悄悄放大孤單。高密度空間、快速節奏、綠地減少、久坐與通勤壓力，加上人際關係的碎片化，這些改變不僅是生活感受，更會實質影響大腦與情緒系統。研究顯示，慢性壓力會長期活化下視丘—腦垂體—腎上腺軸（HPA Axis），使皮質醇分泌失衡，進而干擾睡眠、注意力、記憶與情緒調節。

同時，現代生活也伴隨著低度慢性發炎。這種發炎不若感染時明顯，卻在壓力、不良飲食、缺乏運動與睡眠剝奪中持續累積。愈來愈多證據指出，憂鬱症不只是心理層面的困擾，也涉及大腦功能、壓力調節與免疫系統的失衡。因此，當一個人長期感到疲憊、煩躁、難以恢復或失去動力時，我們不應只問「你怎麼了」，也要問：「你長期活在什麼樣的環境裡？」

從遊戲為本的童年，到手機為本的童年

如果說都市化改變了整體心理生態，那麼智慧型手機與社群媒體，則深刻重塑了年輕世代的成長環境。過去的童年建立在遊戲、奔跑與真實互動之中；如今，許多孩子從小進入以螢幕為中心的生活，從「玩耍」轉向「滑手機」，人際關係也由面對面交流，變成持續連線與即時回應。

這不只是媒介改變，而是發展模式的轉變。遊戲為本的童年，有助於培養挫折忍受、情緒調節與同理心；手機為本的童年，則讓孩子提早進入高刺激且缺乏節制的環境：每一則按讚都像評分，每一張照片都可能成為比較，每一次已讀不回都能引發焦慮，每一個演算法推播都在爭奪注意力。

對心智尚在發展的青少年而言，這樣的環境並不中性。它可能放大社會比較、削弱自我價值感、增加焦慮並干擾睡眠。當匿名性與群體效應結合，網路霸凌與情緒傷害也更快速且持續地擴散，形成新的心理創傷。

什麼是「數位疫情」？

我之所以提出「數位疫情（Digital Pandemic）」這個概念，是因為某些數位環境對心理健康的影響，確實具備類似流行病的特性：會擴散、累積、彼此感染，甚至在不知不覺中改變整個世代的情緒風貌。

這場疫情的「傳播者」並非單一來源。首先，是追求注意力最大化的演算法。科技公司最擅長的，不是把最有營養的內容送到你眼前，而是把最能引發情緒反應的內容推給你。仇恨、恐懼、嫉妒與對立，比平靜與理性更容易擴散，長期下來，人的情緒被牽引，對世界的感受也趨於極端。

其次是惡意使用者。匿名性與距離降低了羞恥感，削弱了同理心，使網路霸凌、詐騙與極端言論更容易蔓延。再者，是未被察覺的情緒障礙使用者，在情緒困頓與孤單中，長期暴露於高刺激、高比較、高敵意的數位環境中，便可能在虛擬數位環境中發洩情緒、情緒勒索、將痛苦傳遞出去，無意間成為傷害他人的傳播源。

憂鬱症，是調和內在的身心交響樂團的變調

在臨床上，憂鬱症罕有單一成因，而是體質、壓力、發炎、童年經驗、數位暴露與都市環境等多重因素交織的結果。我們對憂鬱的理解不應再停留於「血清素不足」或「想太多」等化約論。更完整的視角是將其視為「內在交響樂團」的失調：壓力系統過緊、免疫發炎嘈雜、睡眠節律走音，加上飲食失衡與運動不足，而數位環境則像一位加速節奏、放大噪音的指揮者，令整體陷入失序。

這能解釋為何許多心理困擾雖未達診斷標準，卻真實而痛苦。無論是長期的焦慮不安、情緒耗竭，或是功能正常卻內在空洞、失去快樂感，這些情緒狀態都具有深層的生理與環境根源，值得被嚴肅理解，而非輕率地歸咎於個人性格的脆弱。

不只是警訊，更要找到出路

談數位疫情、演化錯配與都市壓力，並不是要否定科技或現代文明。科技本身是中性的，既可能造成傷害，也可能成為支持。關鍵在於，我們是否理解這個時代帶來的新型心理風險，並發展出相應的保護力。

從臨床實證看，首要關鍵是「重建節律」。規律睡眠、深夜遠離螢幕、增加日光接觸與基本運動，能重新校準壓力系統，穩定情緒。其次是「重建真實連結」。大腦天生需要面對面的陪伴，能被深度聽見的關係，對心理復原具備不可替代的療效。

第三，是培養數位素養與界線感。我們或許無法離開數位世界，但可以學習辨識哪些內容在操控情緒、哪些設計在強化依賴，並在適當時候為自己設下界線。第四，是建立整合性治療觀。當憂鬱與焦慮影響生活功能時，治療不應僅靠忍耐，也不必侷限於單一方法。藥物、心理治療、睡眠調整、運動、營養、正念與壓力管理，甚至數位療法，都可能成為支持的一部分。

我常以「調和內在的交響樂團」來形容憂鬱症的治療。關鍵不在消除某個聲音，而是讓失序的節奏重新回到協調。這樣的整合視角，或許比單一歸因，更能幫助現代人找到出口。

在這個演化錯配的時代，要學習自己查覺和自我照顧

我們無法用原始部落的生理設計，要求自己在數位都市中毫髮無傷。理解「演化錯配」並非為了怨天尤人，而是為了讓我們增加自我查覺：並非太脆弱，而是大腦正承受著前所未有的環境衝擊。

當演化遇上數位時代，焦慮與情緒耗竭已成社會共業。對個人而言，這意味著必須更珍惜睡眠、節律與真實的人際活動。古代智慧如正念（Mindfulness）、瑜伽與冥想，在神經科學中已證實能重新校準杏仁核，調和過度活化的壓力系統，幫助我們從虛擬世界抽離，回歸當下的身體感受。

真正的進步，不單是科技的躍進，而是人在科技洪流中，仍能保有內心的安定與關係的溫度。在這個太快、太亮的時代，當我們理解心理困擾具備環境與生物學根源時，便能以更溫柔的姿態對待自己與他人，並擁有勇氣去尋求專業醫療的協助。

【學術參考文獻】

• Su KP. The CORE Solution: Protecting Youth Mental Health from the Digital Pandemic. Psychiatry and Clinical Neuroscience 2025.

• Su KP, et al. The Digital Pandemic in Youth: Unpacking the Algorithmic Impact on Mental Health in an Urbanized World. Current Opinion in Psychiatry 2026.

• Su KP. Harmonizing the inner orchestra: the impact of urbanization and evolution of stress, inflammation, diet, and lifestyles in depression. Current Opinion in Psychiatry 2025.

蘇冠賓

現任中國醫藥大學教授及安南醫院副院長，臺灣憂鬱症研究權威。致力整合醫學與去汙名化，任總統府健康臺灣推動委員。本專欄將帶領讀者以腦科學拆解憂鬱迷思，推倒社會偏見高牆。（更多相關文章請見蘇冠賓醫師部落格）