AI看懂精神科模擬問診，臨床推理仍有落差

精神科問診的線索，藏在病人說了什麼，也藏在語調、動作與思緒如何展開。AI若能協助整理這些訊息，可能為臨床教學提供新的工具。UTHealth Houston與耶魯大學合作的一項研究，便以模擬問診影片測試這種能力：整體診斷表現獲研究團隊肯定，細項評估卻揭露了尚未跨越的推理落差。

研究刊於《npj Mental Health Research》，使用Qwen3-Omni多模態模型搭配團隊開發的軟體，分析影片中的言語、聲音與行為，並產生精神狀態評估的文字說明。測試對象是演出思覺失調症、強迫症與雙相情緒障礙的標準化病人，涵蓋不同症狀嚴重程度；這是受控的模擬情境，尚不能代表真實門診中的表現。

AI與兩所機構的精神科專家團隊，分別就情緒、外觀、言語、知覺及思考過程等十個面向進行分類。論文摘要指出，396項分類中，專家彼此的一致性指標Gwet’s AC1為0.87，模型與專家的對齊程度則為0.70至0.72。這些數字衡量的是評估一致性，不能直接解讀為診斷正確率，也顯示AI與專家判斷之間仍有距離。

UTHealth Houston的公告及Medical Xpress刊載的校方報導，強調模型整體診斷持續準確，但也提及外觀與細微動作判讀的錯誤。論文摘要進一步指出，模型容易將言語、情感表現等可觀察線索判為異常，卻較容易漏掉妄想等需要理解主觀經驗的徵象；隨症狀加重，模型與專家的判斷一致性也下降。

這使研究的教育用途更為具體。團隊提出，學生可把AI評估與資深醫師的判斷並列，追查錯誤如何發生，再練習從病人的敘述推導臨床意義。研究者也希望未來能支援年輕醫師或缺乏精神科訓練的臨床人員，而改善各項評估能力是下一步工作。

從模擬影片走進診間，仍須以真實病人驗證。此次結果提供了可供檢驗的能力與錯誤模式，尚未證明工具能改善照護結果。對精神科AI而言，能擷取影音線索只是起點；能否可靠地理解病人的經驗，並讓醫師辨識其判斷盲點，才決定這類系統可以承擔多少臨床責任。