精神醫學中功能性近紅外光腦光譜儀（fNIRS）的臨床應用

基於證據的客觀神經影像生物標記評估工具

系統性回顧研究數

主要應用領域

最高診斷準確度 (%)

日本核准年份

技術概覽

功能性近紅外光譜（fNIRS）是一種非侵入性神經影像技術，透過測量大腦皮層血流動力學變化來評估神經活動。

技術原理與優勢

物理基礎

fNIRS使用700-900 nm波長的近紅外光穿透頭皮和顱骨，測量大腦皮層（深度約1.5-3 cm）的血紅蛋白濃度變化。當神經元活動增加時，局部腦血流增加（神經血管偶聯），導致含氧血紅蛋白（HbO）增加和脫氧血紅蛋白（HbR）減少。

臨床優勢

非侵入性與安全性：無輻射暴露，可重複測量，適合兒童和孕婦
便攜性：設備相對輕便，可在門診或床邊使用
成本效益：相較於fMRI和PET，設備和操作成本大幅降低
耐受度高：不需要完全靜止，對幽閉恐懼症友善
實時監測：可即時觀察腦血流變化，適合神經調節治療監測
生態效度：可在更自然的環境中評估大腦功能

測量範式

最常用的認知任務為言語流暢性任務（Verbal Fluency Test, VFT），使用率達69.1%。受試者需在限定時間內說出符合特定條件的詞彙，此任務能有效激活前額葉皮層，對精神疾病具有良好的鑑別能力。其他常用範式包括N-back工作記憶任務、情緒性Stroop任務和靜息態測量。

靶標腦區

fNIRS在精神醫學中主要評估前額葉皮層功能，包括：

背外側前額葉皮層（DLPFC）：執行功能、工作記憶、認知控制
腹外側前額葉皮層（vlPFC）：情緒調節、抑制控制
額極前額葉皮層（Frontopolar PFC）：高階認知、計畫、決策
眶額皮層（OFC）：情緒處理、獎賞評估
顳上回（STG）：語言處理、社會認知（在精神分裂症研究中重要）

臨床應用與診斷效能

fNIRS已在多種精神疾病中顯示診斷和評估價值，以下為主要應用領域。

機器學習與預測模型

機器學習演算法大幅提升了fNIRS數據的診斷和預測能力。

演算法效能比較

演算法	使用研究數	準確度範圍	最佳應用	優勢
支持向量機（SVM）	20項	85.1-92.8%	疾病分類、嚴重度評估	小樣本表現優異、理論基礎堅實
深度學習（CNN）	10項	優於傳統測驗	複雜模式識別、影像分析	特徵自動提取、時間序列處理
線性判別分析（LDA）	多項	AUC 0.71	特徵選擇後分類	簡單高效、可解釋性高
貝葉斯模型	多項	AUC 0.77	治療反應預測	不確定性量化、機率估計
XGBoost	少數	AUC 0.63	需特徵工程優化	梯度提升、集成學習

特徵工程與重要腦區

時間特徵（Temporal Features）

峰值因子（Peak Factor）：信號最大值與平均值的比率，反映激活強度
偏度（Skewness）：分布不對稱性，指示激活模式特徵
奇異譜熵（Singular Spectral Entropy）：信號複雜度測量
均值、標準差、範圍、變異係數

血紅蛋白特徵

均值ΔHbO：最常用（11項研究），含氧血紅蛋白變化量
ΔHbO功能連接：HbO信號間的相關性（11項研究）
HbT任務變化：總血紅蛋白變化，預測治療反應
ΔHbR特徵：脫氧血紅蛋白變化（使用較少）

SHAP可解釋性分析：最重要腦區

使用SHapley Additive exPlanations（SHAP）方法分析治療反應預測模型，發現以下腦區最具貢獻：

右側顳上回（Right STG） - 最高貢獻度
左側顳上回（Left STG） - 很高貢獻度
右側背外側前額葉皮層（Right dlPFC） - 高貢獻度（經典區域）
右側後側額葉皮層（Right pSFC） - 中高貢獻度

重要發現：顳葉區域（STG）的貢獻度超過傳統認為最重要的前額葉區域，提示需重新評估腦區重要性。臨床變量如教育背景、精神疾病家族史和病程長度也是重要預測因子。

特徵融合策略

時間特徵 + 相關特徵（TF + CF）的融合優於單獨使用任一類型。在嚴重度分類研究中，融合特徵使SVM模型達到92.8%準確度和96.3% AUC，顯著優於單一特徵類型。

神經調節治療監測

重複經顱磁刺激（rTMS）監測

研究設計：治療抵抗性憂鬱症（TRD）患者接受間歇性θ迸發刺激（iTBS）治療10-15天，fNIRS實時監測不受磁場影響。

主要發現：

活動iTBS組：第5天和最後一天事件相關HbO反應顯著增加（雙側前額葉皮層，p < 0.001和p = 0.007/0.025）
靜息態：最後治療日HbO變化受抑制（p = 0.024）
臨床關聯局限：HbO變化與症狀改善無顯著相關（p = 0.474），提示需更多研究建立生物標記與臨床結果的明確聯繫

未來方向：結合多模式數據（fNIRS + EEG + 臨床評估）以提高治療反應預測能力。

θ迸發刺激（TBS）治療反應預測

臨床挑戰：少於50% MDD患者對rTMS充分反應，迫切需要反應預測生物標記。

應用前景：DLPFC血氧飽和度模式改變作為預測標記，目前處於臨床試驗方案階段。

電休克治療（ECT）監測

案例證據（Level 4）：精神分裂症患者接受clozapine併用ECT治療。

fNIRS監測發現：

前額葉血動力學活動模式從異常逆轉為正常化
HbO和Hb波動在治療過程中改變
臨床改善評分提高，但未達完全緩解

需求：大規模對照研究驗證ECT監測的臨床價值。

方法論標準化與局限

基於47項研究（2009-2025）的範疇性回顧，識別出當前研究的主要挑戰。

方法論挑戰

1. 運動偽影校正不一致

現況：僅44.7%研究報告偽影校正程序，55.3%未報告或未處理。

偽影類型：基線偏移、高頻尖峰、慢漂移、呼吸和心跳相關波動。

最有效方法：小波濾波（Wavelet Filtering）可減少93%偽影，其次是主成分分析（PCA）和獨立成分分析（ICA）。

建議：制定標準化校正協議，強制報告校正方法和參數。

2. 激活方向報告缺陷

問題：53.2%研究未明確報告HbO和HbR的具體變化方向（增加或減少）。

影響：嚴重影響研究重複性、跨研究比較和臨床應用指引制定。

建議：期刊要求強制報告激活方向，包括HbO、HbR和總血紅蛋白（HbT）的變化。

3. 信號處理標準化不足

變異來源：

濾波策略差異（低通、高通、帶通濾波器參數不一致）
采樣率範圍廣泛（2-100 Hz）
分析時間窗口不統一（任務期、恢復期定義不同）
預處理步驟順序和參數差異

影響：結果難以跨研究比較，元分析受限。

建議：制定信號處理共識指南，類似fMRI領域的標準化流程。

4. 臨床結果關聯薄弱

統計：僅12.8%研究明確陳述fNIRS數據與臨床結果（症狀改善、功能恢復）的關聯。

影響：這是臨床轉化的最關鍵障礙，限制了fNIRS從研究工具到臨床工具的發展。

建議：研究設計必須以臨床結果為導向，預先定義主要和次要臨床終點。

臨床實踐障礙

實務診斷一致率低

MDD：fNIRS診斷與臨床診斷一致率僅38.2%，超過60%患者被分類為不同疾病。

雙相情緒障礙症：一致率44.0%，超過半數不一致。

混淆因素：

血清鈉濃度：MDD患者高鈉增加不一致，雙相患者低鈉增加不一致
抗憂鬱藥劑量：雙相患者高劑量增加不一致
症狀嚴重度：HAM-D ≥ 8分時準確度較高
疾病階段：住院vs門診患者表現不同

解釋：fNIRS更適合作為狀態標記（state marker）而非特質標記（trait marker），反映當前病理狀態而非診斷類別。

顱外污染問題

污染來源：頭皮血流變化、頭骨層生理信號、系統性生理波動（心跳、呼吸、血壓）。

解決策略：

短通道分離技術：使用短距離通道（<1 cm）測量頭皮信號，從長通道減去以分離皮層信號
主成分分析（PCA）：識別和移除系統性成分
獨立成分分析（ICA）：分離獨立信號源，效果較PCA佳
多層模型校正：建立頭皮、顱骨和大腦的光傳播模型

樣本量與準確度負相關

關鍵發現：當樣本量 > 21時，與分類準確度呈顯著負相關。

意義：小樣本研究可能因過度擬合而報告過度樂觀的準確度，需大規模研究驗證。

現況：僅8項研究參與者超過100人，多數研究 < 50人。

建議：多中心合作研究，目標樣本量 > 500人，使用獨立驗證集。

疾病異質性挑戰

MDD症狀範圍廣泛（認知、情緒、動機症狀）
治療反應個體差異大
合併症常見（焦慮、物質使用）
疾病階段影響（首發、復發、慢性）

建議：亞型分析、個體化方法、結合多模式數據。

證據等級評估

根據美國心理學會（APA）標準評估fNIRS在精神醫學應用的證據等級。

Level 1：最高等級證據

標準：系統性回顧/Meta-analysis、多項高品質RCT、大樣本（>100）、低偏差風險、結果高度一致

MDD診斷：64項研究，1項meta-analysis，前額葉功能降低為一致發現，Cohen's d = 0.8-1.2（大效果）
局限：治療反應預測需更多前瞻性RCT驗證

Level 2：中高等級證據

標準：單一良好設計RCT、多項高品質病例對照研究、樣本量適中（50-100）、中等偏差風險

思覺失調症診斷（12項研究，準確度81.3%）
rTMS治療監測（活動對照研究）
四分類疾病鑑別（SVM準確度85.1%）
雙相情感障礙評估（與MDD區分準確度78.9%）

Level 3：中等等級證據

標準：病例對照研究、橫斷面研究、樣本量較小（<50）、某些偏差風險

廣泛性焦慮症評估（四分類準確度60.47%）
ECT治療監測
強迫症和ADHD應用
合併症研究（MDD + GAD）

Level 4：初步證據

標準：個案系列、初步研究、小樣本探索性研究

兒童青少年應用（僅6.4%研究）
自閉症譜系障礙（6項初步研究）
罕見精神疾病
新穎範式開發和技術可行性研究

效果量分析

比較	效果量（Cohen's d 或 AUC）	解釋	臨床意義
MDD vs HC（前額葉HbO）	d = 0.8-1.2	大效果	臨床意義顯著
精神分裂症 vs HC	d = 0.7-1.0	中至大效果	臨床相關
嚴重度分類（輕度vs重度MDD）	AUC = 0.963	優秀	高診斷價值
MDD診斷	AUC = 0.86	良好	臨床實用
治療反應預測（6個月）	AUC = 0.77	尚可	有臨床價值
治療前後比較	d = 0.4-0.7	中等效果	監測有用

偏差風險與結果一致性

偏差風險評估

選擇偏差

來源：醫院基礎樣本（非社區樣本）、排除標準過嚴、健康對照募集偏差
影響：降低外部效度，研究結果可能不適用於社區人群
緩解：社區樣本募集、放寬納入標準、多中心研究

測量偏差

來源：不同儀器和配置、任務設計差異、分析方法不一致
影響：結果可比性低，跨研究整合困難
緩解：儀器標準化、統一任務範式、標準操作流程（SOP）

報告偏差

來源：陽性結果發表偏差、選擇性報告、未報告 negative 發現、數據挖掘
影響：效果量系統性高估
緩解：研究預註冊、陰性結果發表、透明報告

混淆因素

藥物治療：影響fNIRS信號 → 藥物治療狀態分層分析
年齡和教育：影響認知任務表現 → 匹配或統計調整
合併症和病程：增加異質性 → 納入/排除標準明確、亞組分析
生活事件：影響治療反應 → 難以完全控制

結果一致性評估

高度一致發現（強證據）

MDD患者前額葉功能降低：49/64研究（76.6%）支持
精神分裂症低幅度HbO反應：10/12研究（83.3%）支持
VFT任務診斷價值：69.1%研究使用，一致認為有效
fNIRS相對fMRI便利性：普遍共識

中度一致發現

特定腦區診斷特異性：不同研究強調不同區域（dlPFC vs vlPFC vs 額極）
機器學習分類準確度：範圍60-93%，受演算法和特徵選擇影響
治療反應預測能力：AUC 0.63-0.77，方法學差異大
雙相vs MDD區分：準確度78.9%，但臨床一致率低（44%）

不一致或需更多證據

最佳通道數和配置：範圍從單通道至>50通道，無共識
信號處理最佳實踐：變異性高，無標準
臨床實用閾值：不同人群和語言需要特定閾值
長期預後預測：研究少，追蹤多數<12個月

臨床整合與未來方向

fNIRS從研究工具向臨床工具轉化的路徑與優先發展方向。

臨床工作流整合

理想臨床應用流程

1. 初步評估階段

傳統臨床評估（病史採集、精神狀態檢查、症狀量表）
fNIRS基線測量（VFT任務，10-15分鐘）
綜合評估報告自動生成（整合臨床與fNIRS數據）

2. 診斷輔助應用

整合fNIRS生物標記與臨床症狀評估
提供客觀神經功能數據支持診斷
協助鑑別診斷（如MDD vs 雙相情感障礙）
評 valutazione 疾病嚴重度（輕度vs重度，準確度92.8%）

3. 治療規劃

預測6個月治療反應可能性（準確度73%，AUC 0.77）
個性化治療選擇（藥物 vs 心理治療 vs 神經調節）
識別高風險患者（低反應可能性）
優化資源分配（集中資源於高需求患者）

4. 治療監測

定期fNIRS追蹤（建議每月一次）
客觀追蹤治療反應（前額葉功能改善）
早期識別治療無效（2-4週內）
及時調整治療策略（劑量、藥物、治療模式）

患者教育與溝通

檢查前溝通要點

非侵入性：無痛、無輻射、無副作用
檢查時間短：10-15分鐘
需要配合：簡單認知任務（如說出動物名稱）
可重複測量：追蹤治療進展

結果解釋

提供客觀大腦功能數據，補充臨床評估
協助理解疾病的神經生物學基礎
設定實際治療期望（根據預測模型）
增強治療依從性（看到客觀改善）

心理教育

了解個人治療軌跡預測
識別需要額外支持的時期
強化復發預防教育
賦權患者參與治療決策

未來研究與技術發展

標準化協議（高優先）

統一儀器配置建議：通道數、光源檢測器距離、波長選擇、采樣率標準
標準化任務範式：VFT統一設計、任務時長、指導語標準化、多語言版本
信號處理最佳實踐：運動偽影校正、濾波參數、基線校正、特徵提取方法
報告規範：類似CONSORT，強制報告項目包括激活方向、效果量、原始數據共享

大規模研究（高優先）

多中心合作研究（>500人）：提高統計檢定力、評估泛化能力、識別亞型、建立常模
前瞻性縱向設計：最少12個月追蹤，理想24個月，評估預測準確度和疾病軌跡
獨立驗證集：多隊列驗證策略，評估模型真實泛化能力
真實世界效能評估：在常規臨床實踐中測試，建立臨床效用證據

臨床轉化（高優先）

簡化檢查流程：目標<15分鐘、數據自動分析、即時結果報告
降低成本：設備成本降低、共享設備模式、租賃選項
臨床指引制定：適應症、檢查流程、結果解釋、臨床決策整合
醫療保險給付：臨床效用證據、成本效益分析、政策倡議（學習日本2009年核准經驗）

特殊人群（中優先）

兒童青少年：當前僅6.4%研究，需大幅增加，考慮發展階段差異、任務適齡化、建立參考範圍
老年患者：挑戰包括認知功能下降、共病症多、頭髮和頭皮變化
合併症患者：重點為物質使用障礙、人格障礙、神經系統疾病
文化差異：跨文化驗證、語言適應、文化敏感性考量

新興應用（中優先）

自殺風險評估：迫切臨床需求，前額葉功能障礙作為生物標記，挑戰為倫理和預測準確度
創傷後壓力症（PTSD）：創傷相關神經標記，需更多研究
物質使用障礙：渴求評估、復發預測、治療監測
神經發展障礙：ASD、ADHD、學習障礙

技術發展

可穿戴fNIRS：密集採樣（每日監測）、日常環境應用、長期軌跡追蹤、早期預警系統。挑戰：運動偽影、電池壽命、數據傳輸
高密度系統（>50通道）：空間解析度提高、全頭覆蓋、更精確定位、網絡分析
寬帶NIRS（bNIRS）：4波長測量、細胞色素c氧化酶（CcO）監測、代謝評估，超越血動力學測量
AI增強分析：深度學習自動分析、實時決策支持、大數據整合、持續學習系統，個體化精準診斷潛力

多模式整合前景

fNIRS + EEG：同步神經電生理和血動力學、評估神經血管耦合、提高診斷特異性
fNIRS + rTMS：實時監測刺激效果、優化刺激參數、預測治療反應、閉環神經調節系統
fNIRS + 臨床評估：整合主觀和客觀數據，但注意有時單獨fNIRS表現更好，需要更好的特徵融合策略
fNIRS + 基因組學：結合遺傳多態性、精準醫療 Anwendung、治療反應預測、個體化劑量調整

實施障礙與解決策略

障礙	具體問題	解決策略	成功案例/備註
成本	設備採購和維護成本	共享設備、租賃模式、降低硬體成本、集中採購	相對fMRI已低但仍有障礙
訓練需求	臨床人員需要培訓	標準化培訓課程、線上教育平台、技術支持熱線、認證計畫	建議1-2天培訓
報銷問題	保險給付不明確	臨床效用證據建立、成本效益分析、政策倡議、與保險公司協商	日本2009年核准為先進醫療技術
文化適應	任務範式需語言文化調整	本地化驗證研究、多語言版本開發、文化適應指引、區域常模建立	中文VFT適應、不同文化認知任務
醫療體系整合	既有工作流程整合困難	電子病歷整合、決策支持系統、遠距醫療應用、簡化報告格式	目標：無縫融入臨床工作流

主要參考文獻

以下列出關鍵研究和系統性回顧，提供本衛教網頁的證據基礎。

[1]

Bǎcilǎ CI, Marcu GM, Vintilă BI, Anghel CE, Lomnasan A, Cornea M, Grama AM.

Applications of Functional Near-Infrared Spectroscopy (fNIRS) in Monitoring Treatment Response in Psychiatry: A Scoping Review

J Clin Med. 2025

近紅外光腦光譜儀（fNIRS）在憂鬱症、廣泛性焦慮症、雙相情緒障礙症、思覺失調症、自閉症的應用 |回顧文獻摘要