腦齡不是診斷書：48,598 人的九類腦疾病比較，為何不能把「看起來較老」寫成個人命運？

# 腦齡不是診斷書：48,598 人的九類腦疾病比較，為何不能把「看起來較老」寫成個人命運？

作者：王莉如｜諮商心理師督導

先把研究真正證明的事說清楚

PLOS Medicine 的病例對照研究整合 45,900 名健康對照與 2,698 名患者的結構性 MRI，涵蓋發展障礙、成癮、失智與其他精神疾病。研究以預測腦齡與實際年齡的差值 PAD 比較各診斷群體：失智症的差異最大，其次為成癮與部分精神疾病；ADHD 與自閉症譜系在整體比較中未呈現顯著差異。不同疾病還呈現不同空間腦區模式，而前額葉在多個疾病群體中共同出現。

研究作者明確指出精神疾病與成癮之間的高共病未被完整控制，可能造成混雜；研究也只支持群體差異與可能的神經生物學線索，尚不能宣稱 PAD 已可用於個人臨床診斷。 這些限制不是附帶的小字，而是理解研究的核心。正式報導要把「研究直接觀察到什麼」「研究者如何解釋」「媒體或編輯能延伸到哪裡」分開。當來源只支持相關、可能或特定條件下的結果，就不能把語氣升級成必然、治療或普遍適用。

從吸睛結論退一步：真正的公共問題

腦齡研究的公共價值，在於讓不同疾病的神經影像差異可以被比較與繼續追問，而非替任何人貼上「提早老化」的標籤。把它維持為研究線索，才能讓臨床判斷仍以症狀、功能、病史與當事人意願為中心。

如果只追求一句容易傳播的結論，讀者會失去研究最重要的邊界。科學結果進入公共生活後，還會遇到權利、資源、制度、成本、文化與責任。好的專題不是把研究說得更保守，而是把「在什麼條件下成立」說得更精確，讓讀者知道哪些事情已經有證據、哪些仍是合理推論、哪些只是下一步值得測試的假設。

雙向知識不是裝飾，而是互相校正

雙向知識不是在科學段落後面補上一段文化故事。量化研究擅長比較、估計、建立可重複的測量；生活者、社群與第一線專業者則能指出資料分類沒有看見的關係、歷史、語言、倫理與例外。當兩邊都能提出問題、拒絕錯誤轉譯，並共同決定資料如何被使用，知識才真正形成雙向流動。

台灣若要使用腦齡或類似影像生物標記，必須重新驗證本地族群、掃描設備、年齡分布與疾病共病，也要評估結果如何向病人說明。對心理健康服務而言，避免把生物指標轉成污名或宿命論，與提高模型準確率同樣重要。 因此國際研究可以成為比較與提問的材料，卻不能直接被寫成台灣或原鄉已經成立的事實。

從資料走到決策，中間還有很多道門

一項研究要變成公共服務、教育或產業工具，中間至少要經過資料品質、外部驗證、使用者理解、人工覆核、錯誤回報、權限與責任等關卡。一次成功的研究結果，不等於系統已經準備好大規模部署。若涉及健康、原住民族權利、個人資料或重大資源配置，更需要清楚的停用條件、申訴窗口與版本紀錄。

真正可靠的制度不是永遠不犯錯，而是錯誤出現時能被看見、能被修正，而且受到影響的人有能力要求說明。這也是研究倫理從論文走到社會時最容易被忽略的一段。

AI 時代更需要證據紀律

生成式 AI 很容易把相關性寫成因果、把單一研究擴大成所有族群、把研究模型當成真實世界，也可能把不同版本資料拼成看似完整但不存在的結論。因此編輯流程要保存來源名稱、日期、研究對象、主要數字與限制，重要主張必須能回到原始研究或官方資料。

AI 可以協助整理與比較，但不能替代責任。當來源更新、研究被修正、制度改變或社群提出異議時，文章也應留下可更新的路徑，而不是把今天的結論永久固定成唯一答案。

台灣與原鄉怎麼借鏡

台灣若要使用腦齡或類似影像生物標記，必須重新驗證本地族群、掃描設備、年齡分布與疾病共病，也要評估結果如何向病人說明。對心理健康服務而言，避免把生物指標轉成污名或宿命論，與提高模型準確率同樣重要。

借鏡的第一步應該是畫出自己的情境：誰是使用者、誰擁有資料、誰能修改分類、第一線是否有能力覆核、偏遠地區的人力與交通條件如何、錯誤由誰負責。涉及原住民族與地方知識時，還要把社群同意、資料主權、文化敏感資訊與利益回饋放在設計之前，而不是等系統完成後才補上一段倫理說明。

在什麼條件下可以做

成熟的科技討論很少只有贊成或反對。更好的問題是：在什麼資料品質、驗證門檻、人工覆核、社群參與與退出機制下，這項方法值得使用？哪些場景風險太高，應先停在研究階段？哪些結果只適合形成假設，而不能直接變成政策？

研究作者明確指出精神疾病與成癮之間的高共病未被完整控制，可能造成混雜；研究也只支持群體差異與可能的神經生物學線索，尚不能宣稱 PAD 已可用於個人臨床診斷。 把這些限制寫清楚，不會削弱研究價值，反而能避免一個原本精確的結果在傳播中變成錯誤承諾。

結語：讓新知識保留可追問的空間

腦齡是一個模型產生的群體研究指標，不是一張能直接宣判個人未來的診斷書。它可以協助研究者理解疾病與老化的共同或不同路徑，但模型誤差、共病、資料來源與族群代表性都會限制臨床解釋。

一項研究真正重要，不是因為它提供最後答案，而是因為它讓下一個問題更精確。當科學、地方經驗與公共治理都保留互相校正的空間，新技術與新發現才不會只成為新的權威，而能成為共同判斷的工具。今天最值得留下的不是一句口號，而是一套可以持續查證、修正與回到現場的提問方式。

從「腦看起來幾歲」到真正的臨床問題

PAD 的吸引力在於它把複雜腦影像濃縮成容易理解的年齡差，但這也正是風險所在。相同的 PAD 可能來自不同腦區、不同疾病歷程或不同資料條件；研究中不同疾病群體呈現的空間模式並不相同。若臨床只看到一個數字，就可能把真正重要的症狀、生活功能、藥物、睡眠、物質使用與社會壓力排除在外。

研究的價值因此更像是一張「跨疾病研究地圖」，而不是個人的健康成績單。未來若要成為臨床生物標記，需要獨立前瞻驗證、明確的預測任務與對病人真正有益的決策情境。更重要的是，使用者必須知道模型不確定性，並有權拒絕把研究性指標當成自己的身份標籤。

閱讀這篇時，請記住三條界線

第一，研究對象不是全世界。不同族群、制度、文化、設備與環境都可能改變結果，跨國比較必須說明差異。第二，模型或統計不是當事人的全部生活；數據能讓某些關係變得可見，也會把沒有被測量的部分留在畫面之外。第三，新的研究結果不是命令。它可以改變我們提出問題的方式，卻不能跳過專業判斷、社群同意與個人選擇。

對原傳媒AI而言，雙向知識的責任正是在這三條界線上工作：一方面不因為尊重地方經驗就放棄可核對證據；另一方面也不因為有了量化研究，就把地方知識、文化差異與生活者的選擇降格成附註。只有當兩邊都能修正彼此，知識才真正能服務人。

資料來源與延伸閱讀

• PLOS Medicine｜Brain aging patterns among nine neurological disorders
• PLOS／EurekAlert｜Imaging shows increased brain aging across different brain disorders
• PLOS 研究資料｜de-identified minimal data repository

source-check notes

人工審稿核對：2026-09-30。重要數字與研究限制以原始研究或官方機構資料為準；正式出刊前再次執行 repository canonical terminology guard，並確認本次實際引用來源頁符合公開內容姓名規則。