精神疾病診斷長期依賴問診與病史，缺乏客觀量化判斷標準。為突破這一醫療困境，陽明交大與台北榮總投入腦影像與AI研究，成功開發出領先全球的腦影像分析技術，能成功定位精神疾病患者在不同年齡與病程階段的腦部退化情形，該技術現已在北榮臨床服務中實際應用，而這項精神醫學領域的重大突破也獲得今年美國愛迪生獎金獎(2025 Edison Awards Gold Medal)。

陽明交大醫學系系主任、北榮醫療人工智慧發展中心副主任楊智傑自2019年起投入這項技術研發，楊智傑表示，大腦在精神疾病的病程中會持續退化，但不同大腦區域的退化軌跡各異，過去的AI技術對於判讀腦影像無法確定因果關係，也無法呈現病程進展中的關聯性，新的技術則完全克服這些限制，能夠預測患者在已知年齡和病程下的腦部退化狀況。

楊智傑指出，這項技術的核心是一套能精確定量腦部各區退化情形的方法，根據研發團隊對大腦老化與疾病進展過程的長期觀察，建立起涵蓋138個大腦灰白質區域的退化軌跡模型，該模型可依據患者的年齡與病程，預測特定腦區的退化趨勢，進而鎖定最關鍵的異常腦區，讓診斷更有依據、治療更具針對性。

楊智傑表示，該技術已應用於思覺失調症、躁鬱症與重度憂鬱症的研究與臨床評估，研究結果顯示，思覺失調症患者在發病後22年間，大腦體積顯著萎縮，皮質厚度異常則多出現在疾病早期，尤以額葉、顳葉與島葉的灰質退化最為明顯；躁鬱症與憂鬱症患者也分別在前額葉下側與前扣帶迴出現特異性異常，這些發現有助於後續施行經顱磁刺激或深層腦刺激治療時，更加精準鎖定治療標的。

這項技術不僅突破現有深度學習系統在腦影像分析上的限制，更提供精神疾病臨床診斷一套科學且可量化的工具，未來可望擴展至阿茲海默症、帕金森氏症等神經退化性疾病的早期診斷與評估。