以色列巴伊蘭大學（Bar-Ilan University）研究團隊結合虛擬實境、腦部訊號與機器學習開發出一套突破性系統，可即時用於監測個體的情緒狀態，並在關鍵時刻介入調節。現今心理健康照護領域面臨的最大挑戰之一，並非診斷能力不足，而是難以掌握適當的介入時機。因為情緒狀態隨著時間快速變動，但臨床上多仰賴病患回溯性的自我陳述與問卷評估，這些方法往往只能捕捉到個人內心世界變化的片段資訊，且通常只能在事情發生數週之後才得以記錄。也讓細微情緒變化、情緒困擾早期警訊與及時介入時機點常被忽略難以察覺。由以色列巴伊蘭大學工程學院的 Yaara Erez 博士 與加利利醫學院的 Hanna Keren 博士 共同主持的跨領域新研究計畫正試圖克服這個困境，藉由開發非侵入式腦機介面（brain–computer interface, BCI）來達到即時評估情緒狀態並作出相對回應。
█ 為何心理健康需要更好的工具
Keren 博士解釋道：「目前情緒評估主要依賴主觀問卷，然而這些工具的時間解析度極低。也讓這種既有方法僅能描述個人在過去幾週的情緒感受，無法用來追蹤快速的短期情緒變化，讓醫療單位難以提供即時支援，這個限制直接影響到患者獲得的照護品質。」
為了解決這個問題，研究團隊提出利用大腦與身體作為即時資料來源，取代過去依賴記憶回溯的評估方法，使得心理健康評估能以持續性客觀監測與評估方式進行。
█ 虛擬實境：將情緒視為動態系統
這套系統的第一項核心技術是具適應性的虛擬實境環境。參與者會進入持續變化的虛擬實境環境中，舉例來說，一個在公園散步的場景，但該環境中的光線、聲音與天氣等元素會持續變動調整。
Keren 博士表示：「這些環境並非靜態，而是利用工程控制演算法即時影響人的情緒。系統會根據使用者的情緒狀態進行動態調整，形成一個介於體驗與情緒之間的閉迴路回饋系統（Closed feedback loop）。」
當使用者在虛擬實境環境中活動時，系統可同時透過多種感測器收集神經與生理訊號，包括：腦電圖、心率、皮膚導電反應以及眼球運動。上述生物指標訊號都會隨情緒狀態迅速變化。例如，當焦慮程度升高時，通常會伴隨立即生理變化，例如皮質醇濃度上升。
█ 即時分析情緒狀態
該研究的第二個核心技術是一套由機器學習演算法驅動的即時資料分析系統。 Erez 博士表示：「所有收集到的神經與生理資料都會輸入到由機器學習演算法驅動的計算平台，該系統能在幾分鐘內評估情緒狀態。這個系統不僅能快速辨識情緒，也能即時啟動臨床回應。」
在實際應用上，意味著這項技術未來可用來支援即時情緒調節、提醒臨床醫師注意患者心理狀態的突然變化，或在最關鍵時刻啟動個人化介入措施。
█ 個人化即時心理健康照護
Erez 博士是 Gonda 跨領域腦研究中心的成員，專長為神經訊號處理與腦網路計算建模。她的研究聚焦於透過各種影像技術解讀大腦活動，嘗試理解不同腦區如何相互作用，進而形塑認知與情緒。這些研究為個人化醫學所需的新型診斷與治療工具提供基礎。
同樣隸屬於 Gonda 中心的 Keren 博士，則是在整合神經科學與工程進行跨領域研究。她利用數學模型與個人化實驗設計，研究不同個體間情緒變化差異。她的研究致力於尋找情緒狀態的客觀指標，進一步探討這些機制如何在憂鬱症等情緒疾病中受到干擾。
兩位研究人員正共同建立一個整合計算神經科學、腦機介面、先進訊號處理與沉浸式技術的跨領域研究平台。這項研究的目標不僅是深化科學界對情緒狀態隨時間變化的理解，也期望能為新一代心理健康技術奠定基礎。未來，這項研究所開發的新型系統，將能夠用來持續監測情緒健康狀態、偵測情緒困擾早期徵兆，並且即時提供個人化支持，使心理健康照護更接近其他醫學領域所具備的即時性與精準度。對患者與臨床醫師而言，這樣的轉變將帶來深遠影響。
資料來源：https://www.biu.ac.il/en/article/584274
