今日文獻聚焦於恐慌症的預測模型與行為測量創新，突顯機器學習在網路認知行為治療（ICBT）中的應用潛力，以及透過混合實境技術探索迴避行為之生理與特質相關因子，臨床轉化價值逐漸顯現。
Journal of medical Internet research · Prediction of Clinically Meaningful Improvement After Internet-Delivered Cognitive Behavioral Therapy for Depression and Anxiety Disorders: Machine Learning-Based Predictive Model Development and Temporal Validation Study.
該研究開發出整合臨床、社會人口與遺傳資料的機器學習模型，成功預測接受網路認知行為治療之恐慌症患者是否會有臨床有意義的改善，AUC達0.749，優於傳統篩選工具，為個人化治療規劃提供依據。
💡 提供可在首訪時應用的預測工具，幫助臨床師提前識別可能無法從ICBT受益的患者，進而調整治療方案，提升資源分配效率。
Journal of psychiatric research · Measuring approach-avoidance behavior in patients with panic disorder using the human elevated plus maze in mixed reality.
研究發現恐慌症患者在混合實境升高十字迷宮中表現出較高的預期焦慮與生理反應，但其迴避行為主要受個人特質（如尋求感覺）影響，而非診斷狀態，提示特質因子在恐慌症中的關鍵調節角色。
💡 提供一種生態效度高的工具來評估恐慌症的情緒與生理反應性，雖未直接顯示診斷群組在迴避行為上的差異，但揭示尋求感覺等特質可能作為保護因子，有助於未來設計個人化暴露或認知介入。
Journal of Applied Science, Information and Computing
該研究探討氣候資訊曝露、災難經驗與感知政府回應如何透過路徑分析影響烏干達易災地區民眾的生態焦慮，結果顯示資訊與個人經驗為主要預測變項，政府回應具部分中介效應。