AI輔助憂鬱症診斷的腦波檢測：SEA腦波壓力評估系統 (憂可視)
心理健康評估的挑戰：從主觀到客觀
根據世界衛生組織（WHO)，憂鬱症是全球主要的失能原因之一1 ，2030年憂鬱症會成為全球社會經濟負擔第一名的疾病2。目前憂鬱症的診斷主要倚賴精神科專科醫師會談及病史蒐集，臨床資訊主要來自患者的主觀資料，而主觀資訊有許多局限性，使得客觀、可量化的生理指標（Biomarker）一直是近年來生物精神醫學發展重點。
SEA腦波壓力評估系統（憂可視）將複雜的腦電圖（EEG）訊號轉化為科學化的數據，搭配AI判讀，提供身心科臨床上的客觀指標。
什麼是 SEA 腦波壓力評估系統？
SEA (Stress Evaluation Assessment) 系統是一套結合精密腦波量測硬體與AI分析軟體的醫療器材，旨在為專業醫療人員提供患者主觀表述以外的客觀生理證據。
系統組成與權威認證 (Authoritativeness & Trustworthiness)
本系統由兩大核心組成，均已獲得國際FDA及台灣TFDA認證：
-
醫療級8通道腦波儀：
- 精確捕捉大腦活動產生的微弱電生理訊號。
- 認證：通過美國 FDA審查 (2020年) 及台灣 TFDA 醫療器材許可 (2021年)。
-
AI腦波分析軟體：
- 運用先進的 AI 演算法，分析腦波數據中肉眼無法辨識的細微特徵。
- 認證：通過台灣 TFDA 核准 (衛部醫器製字第 008104 號，2023 年)。這是全球率先獲得官方許可用於憂鬱症輔助診斷的 AI 軟體醫材。
運作原理：AI如何解讀大腦訊號？
SEA 系統的原理如下：
-
訊號擷取 (90秒)：
透過非侵入式的8通道腦波儀，記錄受測者在安靜閉眼狀態下的腦波數據 (EEG)。 -
AI特徵分析：
系統的專利AI演算法深入分析這些腦波數據，提取與憂鬱狀態高度相關的關鍵生物標記6。 -
量化指標生成：
演算法將分析結果轉化為一個客觀的量化指標——「SEA Index」(腦波壓力指數)。 -
輔助臨床決策：
醫師可參考 SEA Index 這項客觀生理證據，結合臨床問診與量表結果，進行更全面的綜合判斷。
檢測流程：快速、安全、AI判讀
- 準備： 受測者在安靜舒適的環境中就座。
- 配戴： 醫療人員協助配戴 8 通道腦波儀，操作簡單，準備時間短。
- 量測 (90秒)： 系統開始記錄腦波訊號。全程非侵入式、無痛、無輻射。
- 報告產出： 量測完成後，AI立即分析，快速產生評估報告。
SEA特點
客觀量化：
提供基於腦波生理訊號的 SEA Index，補足主觀評估的不足。
快速高效：
從量測到報告產生僅需 5 分鐘，易於整合臨床流程。
安全非侵入：
採用 EEG 技術，安全性高。
高準確率：
經臨床數據驗證，準確率可達 8 成以上6。
研究證據與臨床驗證
SEA腦波壓力評估系統根基於嚴謹的學術研究與臨床驗證上。系統開發過程中，與台灣頂尖的醫學中心合作進行多中心臨床研究，包含台大醫院、台北榮總、長庚醫院等6，收集了超過 500 位受測者的腦波數據進行 AI 模型訓練與驗證，確保系統的可靠性，目前也已導入全台多家醫學中心。
學術發表與品質保證：
國際期刊發表：
相關研究成果已發表於國際知名科學期刊 Biosensors6。
品質管理：
通過 ISO 13485 醫療器材品質管理系統認證，並取得衛福部醫療器材品質管理系統 (QMS) 製造許可。
獎項肯定：
榮獲傑出生技產業獎「年度產業創新獎」及國家新創獎肯定。
好晴天SEA腦波壓力評估系統檢測流程及費用
1. 免費個管師 LINE 諮詢，針對自身需求提問了解
- 腦波檢測憂鬱症諮詢專屬 LINE https://lin.ee/lwB2aoF（ID：@gdtms）
- 個管師會視情況安排先檢測再預約醫師門診，或直接先幫您預約醫師門診諮詢。
- 醫師自門診也可能直接轉介個案接受檢測
2. 檢測流程
- 單次檢測約 15 分鐘，診所會預留半小時給您。
- 報告當場提供給您，您可攜帶回門診與醫師討論。
3. 檢測費用
單次檢測收費 3000 元，含紙本報告
常見問題 FAQ
Q1：檢測前需要特別注意什麼嗎？
檢測前 24 小時內 請避免飲酒、咖啡因（咖啡、茶、能量飲料）與過度疲勞，以免干擾腦波訊號。檢測當日請確保 頭髮乾淨、無造型品（髮蠟、髮膠、護髮油等），以利感測器與頭皮接觸。若有服用精神科藥物或安眠藥，請於檢測前主動告知，但 不需自行停藥。本檢測為 非侵入性，過程約 5–15 分鐘，無痛、無輻射、無藥物。
Q2：哪些人適合做 SEA 腦波壓力評估？
SEA 適合：
- 懷疑自己有壓力或憂鬱困擾、想取得 客觀數據 者；
- 已就診但希望以客觀指標 輔助評估療效或追蹤治療進展 者；
- 對自填量表結果存疑、或主觀症狀難以描述者；
- 治療反應不佳、想了解大腦狀態者；
- 工作壓力大、有 職場身心健康評估 需求者。
本檢測非取代醫師問診，最終診斷仍需由精神科醫師綜合評估。
Q3：SEA 腦波檢測與一般憂鬱量表（如 BDI、PHQ-9）有什麼差異？
一般量表（BDI、PHQ-9 等）為 「主觀自填」工具，依患者當下感受勾選，結果容易受到病識感、社會期望、就診情境等因素影響。
SEA 則直接記錄大腦皮質的腦波電生理訊號，由 AI 演算法 客觀分析壓力指標，不受患者意願或當下情緒狀態左右。
兩者互補使用：量表反映自覺症狀，SEA 反映生理狀態，能讓醫師更全面、更客觀地評估。
Q4：SEA 多久做一次？追蹤頻率建議？
初次評估：建議在開始治療前完成，作為基準（baseline）。
治療中：可在 4–8 週後再做一次，比對腦波壓力指標的變化以追蹤療效。
穩定期：可每 3–6 個月複測一次。
SEA 安全、無輻射、無侵入性，沒有最低間隔限制，可依臨床需求彈性安排。
參考文獻
- World Health Organization. (2023). Depressive disorder (depression). Retrieved from: https://www.who.int/news-room/fact-sheets/detail/depression.
- Mathers, C. D., & Loncar, D. (2006). Projections of global mortality and burden of disease from 2002 to 2030. PLoS medicine, 3(11), e442. https://doi.org/10.1371/journal.pmed.0030442.
- Malhi, G. S., & Mann, J. J. (2018). Depression. The Lancet, 392(10161), 2299-2312. https://doi.org/10.1016/S0140-6736(18)31948-2.
- Newson, J. J., & Thiagarajan, T. C. (2019). EEG Frequency Bands in Psychiatric Disorders: A Review of Resting State Studies. Frontiers in Human Neuroscience, 12, 521. https://doi.org/10.3389/fnhum.2018.00521.
- de Aguiar Neto, F. S., & Rosa, J. L. G. (2019). Depression biomarkers using non-invasive EEG: A review. Neuroscience & Biobehavioral Reviews, 105, 83-93. https://doi.org/10.1016/j.neubiorev.2019.07.021.
- Wu, C. T., Huang, H. C., Huang, S., Chen, I. M., Liao, S. C., Chen, C. K., Lin, C., Lee, S. H., Chen, M. H., Tsai, C. F., Weng, C. H., Ko, L. W., Jung, T. P., & Liu, Y. H. (2021). Resting-State EEG Signal for Major Depressive Disorder Detection: A Systematic Validation on a Large and Diverse Dataset. Biosensors, 11(12), 499. https://doi.org/10.3390/bios11120499.
- Hassan, F., Hussain, S. F. (2023). Review of EEG Signals Classification Using Machine Learning and Deep-Learning Techniques. Advances in Non-Invasive Biomedical Signal Sensing and Processing with Machine Learning, 159-183. DOI: 10.1007/978-3-031-23239-8_7
- Ahire, N. (2025). EEG-derived brainwave patterns for depression diagnosis via hybrid machine learning and deep learning frameworks. Applied Neuropsychology: Adult, 1-10. DOI: 10.1080/23279095.2025.2457999
- Mahender, U., Sathiyasuntharam, V. (2024). EEG-VARNet: An Advanced Deep Learning Model for AccuratePrediction and Classification of Major Depressive Disorder Using EEG Data. 2024 IEEE 6th International Conference on Cybernetics, Cognition and Machine Learning Applications (ICCCMLA), 435-440. DOI: 10.1109/icccmla63077.2024.10871817
- Pathak, D., Kashyap, R., Rahamatkar, S. (2022). A study of deep learning approach for the classification of electroencephalogram (EEG) brain signals. Artificial Intelligence and Machine Learning for EDGE Computing, 133-144. DOI: 10.1016/b978-0-12-824054-0.00009-5
- Hamid, M. A., Singh, J. (2023). A survey on machine learning based EEG classification for detection of depression. AIP Conference Proceedings, 2916, 030016. DOI: 10.1063/5.0177650
醫療免責聲明
本文內容僅供健康知識參考，不能取代專業醫療診斷、治療或建議。每個人的身心狀況不同，如有任何健康疑慮或症狀，請諮詢合格的醫療專業人員。切勿因本文內容而延遲就醫或自行調整用藥。
醫療審閱聲明
本文內容由藍祚鴻 醫師（精神科專科醫師；前台中榮民總醫院精神部主任、前衛福部草屯療養院院長；國立陽明交通大學醫學院臨床醫學研究所教授、國家衛生研究院研究員）獨立專業審閱，與本文作者鄭晴 院長為團隊內互相覆核機制，確保醫療資訊正確可靠。如有任何身心健康疑慮，建議親自就診由醫師評估。（最後審閱：2026 年 04 月 25 日）
好晴天身心診所院長（潭子院所）、主治醫師（北屯、中科、文心院所）。台灣精神科專科醫師、兒童青少年精神科專科醫師、老年精神科專科醫師（三專科）。英國劍橋大學碩士。專長領域包含憂鬱症、焦慮症、失眠、躁鬱症、思覺失調症、兒童青少年情緒行為問題、老年精神醫學、TMS 經顱磁刺激治療。
有任何AI 憂鬱症腦波檢測相關問題，
歡迎預約檢測治療，或門診與醫師討論相關細節。
我們將為您安排
