這項研究評估了四個大型語言模型（LLMs）在心理健康診斷和治療的能力，包括Gemini 2.0、Claude 3.5、ChatGPT-3.5和ChatGPT-4。主要發現顯示，ChatGPT-4在診斷憂鬱症和PTSD方面優於人類專業人士，但在複雜案例如早期精神分裂症的準確率僅55%。LLMs提供的治療建議較為多樣，但專業人士則偏好具體的精神科諮詢。總體來看，雖然LLMs能協助診斷和治療計畫，但在複雜情況下仍需專業監督。 PubMed DOI

這篇評論指出ChatGPT在數位心理健康介入中的角色不斷演變，特別是在臨床心理學領域。隨著2023年和2024年的進步，GPT-3.5和GPT-4.0在解讀情感、識別憂鬱症及處理治療啟動因素上展現了有效性。研究顯示，對話式人工智慧能減少心理健康照護中的障礙，如污名化和可及性問題。不過，評論也提醒我們要謹慎，因為不同模型的熟練度各異，整合人工智慧進心理健康實務中既有潛力也面臨挑戰。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-4o、Claude 3.5 Sonnet 和 Gemini 1.5 Pro—在自殺意念反應評估的能力。結果顯示，這三個模型的反應評價普遍比專家自殺學者更適當，尤其是ChatGPT的評分差異最大。異常值分析發現，Gemini的偏差比例最高。整體來看，ChatGPT的表現相當於碩士級輔導員，Claude超過受訓心理健康專業人士，而Gemini則類似未受訓的學校工作人員。這顯示LLMs在評估反應時可能有偏向，但部分模型的表現已達到或超過專業水平。 PubMed DOI

這項研究發現，主流AI語言模型在評估退伍軍人自殺風險和治療建議上，表現常與專業人員不同，容易高估或低估風險，且各AI模型間差異大。雖然AI有時能與人類判斷一致，但治療建議不夠穩定，像ChatGPT-4o就全都建議住院。AI目前只能當輔助工具，不能取代專業判斷，臨床應用前還需要更多研究和專家監督。 PubMed DOI

這項研究發現，頂尖聊天機器人在難治型憂鬱症治療建議上，和專業指引高度一致，但有明顯偏誤，像是過度推薦某些藥物、低估其他選項。顯示AI有潛力協助精神醫療，但也有風險，建議多用幾種模型來降低偏誤、提升可靠性。 PubMed DOI

這項研究比較了ChatGPT-3.5、4和Google Gemini在辨識邊緣型人格障礙（BPD）症狀及對患者態度上的表現。結果發現，AI雖然較有同理心，但也帶有更多偏見，例如認為BPD較慢性、不信任患者，且有性別刻板印象（特別是Gemini對女性更負面）。研究呼籲在心理健康應用AI前，需提升透明度並納入專家參與訓練，以減少偏見。 PubMed DOI

這項研究比較ChatGPT-4和Gemini在災難情境下提供心理急救的能力，結果顯示ChatGPT-4表現較佳，幻覺率也較低。兩者在傾聽和引導協助方面差不多，但Gemini幻覺率偏高，可能有安全疑慮。未來還需加強可靠性並整合語音功能，才能更廣泛應用。 PubMed DOI

這項研究發現，聊天機器人雖然能提供基本的情感支持和心理教育，但回應較制式，無法深入探討或安全處理危機。相較之下，治療師會引導來談者多說明，介入方式也更細緻。結論是，目前聊天機器人還不能取代專業心理健康照護，尤其遇到危機時更要小心使用。 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

現在越來越多人用AI心理治療聊天機器人，但品質還沒被好好評估。作者開發了CAPE評估架構，從8個面向來看這些機器人。實際評測4款熱門GPT聊天機器人後，發現它們在互動、好用度和對話技巧表現不錯，但在治療專業、風險控管和資料透明度都很弱，尤其隱私和防傷害措施很不足。CAPE能幫助大家判斷品質，顯示這些機器人安全和隱私還有很大進步空間。 PubMed DOI