這項研究探討生成式人工智慧（GenAI），特別是ChatGPT和Bard，在數位健康介入中對文本數據質性分析的影響。研究分析了40條針對HIV患者的SMS提醒，發現GenAI與人類編碼者的主題一致性為71%，但在演繹分析中，ChatGPT降至50%，Bard為58%。雖然GenAI能顯著縮短分析時間至20分鐘，但在人類編碼者在細緻主題識別上表現更佳。研究建議結合人類洞察與AI效率，以提升質性研究的效果，並強調未來需關注AI使用的倫理問題。 PubMed DOI

這項研究探討醫療專業人員與公眾對於在臨床中使用ChatGPT的看法。研究指出，成功實施ChatGPT不僅依賴技術，還需考量醫療提供者和公眾的態度。透過分析3,130條評論，研究發現醫療人員對其效率表示肯定，但對倫理和責任有疑慮；而公眾則欣賞其可及性和情感支持，但擔心隱私和錯誤資訊。為了有效整合ChatGPT，需針對這些不同觀點進行調整，提升可靠性並明確其在醫療中的角色。 PubMed DOI

這項研究探討了ChatGPT在醫學教育質性研究中進行主題分析的應用。由於質性分析複雜且耗時，研究評估了ChatGPT的有效性並與人類分析師比較。結果顯示，ChatGPT在大多數領域表現良好，但在可轉移性和分析深度上有所不同。六個關鍵主題包括：與人類結果的相似性、正面印象、數據連結清晰、提示影響、缺乏背景描述及理論基礎。雖然ChatGPT能有效識別關鍵數據，但深入分析仍需人類參與以增強深度。 PubMed DOI

這項研究探討了ChatGPT在提供醫療資訊時，如何根據疾病類型（醫療性 vs. 心理性）和使用者的溝通風格（中立 vs. 表達關心）來調整其回應。研究發現，當面對心理問題或使用者表達關心時，ChatGPT會使用更具同理心的語言；而在中立查詢中則偏向分析性語言。此外，健康相關的語言在心理討論中較常見，疾病相關的語言則多出現在身體狀況的對話中。這顯示ChatGPT的回應會受到疾病類型和使用者情感的影響，能透過調整溝通方式來提升病人的參與感。 PubMed DOI

這篇論文探討如何利用大型語言模型（LLMs），像是ChatGPT-4，來改善醫療溝通，讓病人能選擇喜歡的溝通風格。研究基於Emanuel和Emanuel的四種溝通模式：父權式、資訊式、詮釋式和審議式，旨在滿足病人的需求與偏好。不過，論文也提到潛在風險，如可能加深偏見及LLMs的說服性，可能導致病人與醫療提供者之間的互動出現意外操控。 PubMed DOI

這項研究探討GPT生成的回應在病人入口網站的有效性，並與真實醫生的回應進行比較。研究發現，GPT的回應在同理心和可讀性上得分較高，但在相關性和準確性上差異不顯著。雖然可讀性較佳，但差異不大，讓人質疑其臨床意義。總體來說，研究建議GPT的訊息在某些方面可與醫療提供者相當，但仍需進一步研究其在醫療流程中的應用及病人對AI溝通的態度與倫理考量。 PubMed DOI

這項研究用 ChatGPT 來自動分析產科醫療訪談內容，讓原本很花時間的質性編碼流程變得更有效率。ChatGPT 的編碼準確率超過八成，還能省下八成以上的時間。不過，AI 在主題分析上雖然有潛力，但準確性、偏誤和隱私等問題還需要再加強和研究。 PubMed DOI

這項研究用 ChatGPT 來自動分析產科醫療人員的訪談內容，讓原本很花時間的質性編碼流程變得更有效率。ChatGPT 的編碼準確率超過八成，還能省下八成以上的時間。不過，準確性、偏誤和隱私等問題還沒完全解決，未來還需要更多研究來克服這些挑戰。 PubMed DOI

這項研究發現，ChatGPT在心理諮詢上的專業度、同理心和人性化表現，跟人類諮商師差不多。不過，AI還是能被辨識出來，主要差異在語境、句子結構和情感表達。研究也提醒要注意透明度、隱私和倫理問題。總結來說，ChatGPT有潛力協助心理健康，但還有不少實務和倫理挑戰要解決。 PubMed DOI

ChatGPT 可以用來做健康研究的質性資料分析，而且它的分析流程跟傳統相反，會先抓大主題再細分。文章介紹三步驟：「先問大方向問題、再問細節、最後檢查資料支持度」，並用照顧認知障礙者的焦點團體做示範。這種方法可能會改變傳統質性分析的做法。 PubMed DOI