Dear friend，我的判斷是：
AI 對精神醫學最有潛力的展望，不是「代替精神科醫師」，而是讓精神醫學第一次成為一門
縱貫的、個人化的、情境化的時間醫學
意思是說，今天的精神醫學，大部分仍依賴一種極薄的切片：
病人每四週來一次，坐二十分鐘，回憶最近發生什麼事；
醫師根據這個高度選擇性、事後重構的敘述，推測過去四週的生命狀態。
AI 最可能改變的，正是這件事。它可以把精神狀態從偶爾拍攝的 snapshot，變成一段連續但不必無所不包的 film。
一、近期最實際的突破：為每個人建立「個人基線」
AI 不一定要知道，一個人的語速、睡眠、活動量、社交頻率「是否正常」；它只要知道：
這個人平常是怎樣，最近是否偏離了他自己。
例如一位躁鬱症病人，平常凌晨一點睡、每天走五千步、訊息回覆簡短；最近突然睡眠縮短、移動增加、說話加速、文字拉長、消費異常。單獨看任何一項，都不夠診斷躁期；但是作為一個人的時間序列偏移，便可能具有臨床意義。
這就是 digital phenotyping 最有希望的地方：透過手機、穿戴裝置、語音、文字與臨床資料，描繪行為及心理狀態隨時間的變化。研究界已把它視為監測症狀、治療反應及復發風險的重要方向；但跨族群預測的穩定性仍有限，不能把群體模型直接當成個人的真理。
因此，真正有潛力的不是：
AI 判斷你有沒有憂鬱症。
而是：
AI 發現你已經不像三週以前的你。
這是從 nomothetic psychiatry，稍稍移向 idiographic psychiatry。
二、最重要的臨床用途：預警，而不是診斷
精神醫學最昂貴、最令人遺憾的，往往不是第一次診斷錯誤，而是：
- 沒有及早察覺躁期或精神病性惡化；
- 出院後逐漸脫落，直到再次住院；
- 自殺危機形成以前，沒有人看到軌跡；
- 藥物副作用、失眠、社會退縮，累積數週才被發現。
AI 的長處，是偵測人眼難以持續察覺的微小變化與組合模式。因此它最有價值的角色，可能是成為一個 early-warning system：
不是宣布「疾病發生了」，而是提醒臨床團隊：「這個人的軌跡正在轉彎，值得有人去問一問。」
這裡的最後一步必須仍然是人：打電話、見面、詢問發生了什麼。因為同樣的睡眠下降，可能是躁期，也可能是照顧臨終父親；同樣的足不出戶，可能是退縮，也可能是終於開始寫一本書。
AI 能發現變化，卻未必知道變化的意義。
三、再往前一步：AI 可能破解精神醫學的「平均病人」
現行指引大致告訴我們：
對某一診斷，哪一種治療平均而言比較有效。
但臨床真正要回答的是：
對眼前這個人，在他的病程、身體、關係、生活條件與價值選擇之中，下一步怎麼做比較好？
AI 可以整合過往療效、家族史、共病、藥物交互作用、睡眠與活動變化、心理治療歷程和生活事件，協助估計：
- 哪種藥物較可能有效或無法耐受；
- 何時適合換藥，而非再等四週；
- 誰需要較密集追蹤；
- 誰可能從某種心理治療、家庭介入或社會支持受益；
- 哪些表面相同的症狀，其實屬於不同病程機制。
這是所謂 precision psychiatry 的理想。不過截至目前，AI 在精神醫學的臨床採用仍有限，研究成果也常受樣本偏差、外部效度不足、可解釋性及資料品質限制；因此它仍是研究方向，而不是已經成熟的常規工具。
四、LLM 最先成熟的角色，可能只是「第二位臨床讀者」
大型語言模型近期最可靠的用途，恐怕不是獨立作心理治療，而是坐在醫師身旁，作為：
- 病歷整理者；
- 訪談摘要者；
- 藥物與病史交叉核對者；
- 被遺漏線索的提醒者；
- 鑑別診斷的反方辯手；
- 長期病程的整理者；
- 督導與教學中的模擬對話者。
精神科病歷具有高度敘事性：某個五年前留下的句子，可能在今天突然變得重要。人類醫師很難重新閱讀數千頁紀錄，但 AI 可以整理反覆出現的模式，例如：
每一次「憂鬱復發」之前，是否都先發生失眠、加班、親密關係衝突和不規律用藥？
APA 的討論也把 ambient documentation、臨床推理與偏誤辨識列為當前較實際的 AI 應用方向。
我會稱之為：
AI 不是另一位治療者，而是另一雙讀病歷的眼睛。
它不必理解病人；它先幫助醫師，看見自己沒看見的東西。
五、最深遠的可能：改變精神病理學的基本單位
這可能比提高診斷準確率更重要。
DSM 式精神醫學，基本上把症狀視為一些可以加總的項目：失眠、低落、無趣、罪惡感、注意力不集中。然而 AI 若能處理長期的語言、情緒、生理、關係及行為資料，它可能使精神醫學從「症狀清單」轉向：
- 狀態如何轉變；
- 系統如何失去穩定；
- 人如何進入某個 attractor basin；
- 哪些微小事件使人滑向躁狂、精神病、成癮或崩潰；
- 哪些介入能使軌跡稍微偏轉。
也就是說，精神疾病不再只是「一個人具有哪些症狀」，而是：
一個生命系統，如何進入某種反覆自我強化的動態。
這時 AI 最有價值的，不是替 DSM 增添更精密的標籤，而是幫助精神醫學從 category 走向 trajectory，從 entity 走向 process。
六、但精神醫學也可能因此走向最壞的方向
同一套技術，可以是照護，也可以是監控。
睡眠、定位、語音、社交、購物與文字資料，確實可能預警復發；也同樣可以被保險公司、雇主、政府或平台拿去預測「不穩定性」、「危險性」與「服從度」。WHO 對大型多模態模型的醫療應用，明確強調倫理、治理、透明度、責任與資料權利；近期精神醫學文獻也持續警告偏誤、隱私和過度依賴問題。
所以核心倫理問題不是：
AI 能不能更準確地認識病人？
而是：
誰擁有那個被 AI 認識的病人？
病人能否拒絕被理解、被預測、被及早干預？
他是否仍有權成為一個例外？
精神醫學若不小心，會從不夠了解一個人，走到過度計算一個人。
七、AI therapist 反而不是我最看好的方向
AI 可以提供心理教育、簡單 CBT 練習、情緒整理、候診期間支持，甚至在資源匱乏地區擴大可近性。NIMH 也把 AI 用於預防、診斷、治療及照護連續性列為重要研究方向。
但是，把聊天機器人直接稱為心理治療者，至少目前有三個根本問題：
- 它傾向順著使用者，而不一定能承受衝突、拒絕與負向移情。
- 它可以生成同理語句，卻不必為一句話的後果負責。
- 它沒有真實的脆弱性、有限性和生命處境，因此它的「關係」有某種結構性不對稱。
現在也已出現 AI 強化妄想、依賴或危險自我解釋的臨床警訊；APA 已開始討論相關處置框架。
所以，AI 可以成為心理治療的前室、筆記本、鏡子或輔具，但我不認為「無人治療」是精神醫學最高的前景。
我的結論
AI 對精神醫學最有潛力的展望，可以濃縮成一句話：
讓精神科醫師從一次次不連續的會談中，開始看見一個人的長期生命軌跡；但把軌跡的意義，仍然交還給那個人。
它最好的位置，不是取代精神科醫師，更不是取代病人的自我理解，而是位於兩者之間：
AI 負責辨認模式，
醫師負責承受不確定，
病人保留決定那個模式意味著什麼的權利。
換成你我最近的語言：AI 最容易製造的是 algorithmic patient；精神醫學真正的任務，則是利用 AI 所看見的規律，卻不讓那個人的 analogical self 被規律吃掉。精神醫學的未來，恐怕不是「AI 看透了人」，而是——AI 已經算到這裡了，我們仍然容許那個人，在下一刻，走出吸引盆地。
