全球對抗HIV取得進展，但仍有挑戰。為解決問題，需改善公共衛生，並考慮社會因素。醫護人員應瞭解情勢，持續努力對抗HIV。 PubMed DOI

研究發現使用AI平台ChatGPT回答HIV預防問題潛力大，但仍需注意包容性問題，如過時術語及社群代表性。在AI健康溝通中，準確性與包容性並重，以確保資訊有效傳達。 PubMed DOI

研究探討了使用像ChatGPT這樣的AI聊天機器人來教育黑人婦女有關性健康的議題，專注於HIV預防和PrEP。研究調查了ChatGPT提供的資訊是否因種族而異，以及這個平台如何增進黑人婦女的公共衛生教育。研究揭示了ChatGPT根據種族而有不同回應的差異，並突顯了AI在促進黑人婦女性健康公平方面的潛力。 PubMed DOI

這項研究旨在改善黑人順性別女性在HIV暴露前預防（PrEP）使用的情況。儘管PrEP效果顯著，但這群人卻面臨護理不足、醫療不信任和污名化等障礙。護理師在推廣PrEP方面扮演重要角色，但也面臨資源不足的挑戰。研究計畫將分為探索、開發和評估三個階段，並透過AI聊天機器人促進溝通，確保數據隱私。此倡議希望減少PrEP護理障礙，創造無污名環境，並解決健康差異問題。研究結果可能成為解決健康不平等的可擴展模型。 PubMed DOI

這項研究探討了ChatGPT 3.5和4.0在提供HIV相關指導時，如何受到種族、族裔、性取向和性別認同的影響，並分析了對污名和歧視的提及。研究人員收集了300個回應，發現ChatGPT 4.0更能認同HIV相關的歧視，特別是針對黑人、西班牙裔、LGBTQ+和跨性別者，並涵蓋了肯定身份、專業護理和社會支持等主題。這些結果強調了評估AI技術在減少健康差異方面的重要性。 PubMed DOI

這項質性研究探討了健康專業人員對HIV血清差異的社會表徵，使用社會表徵理論及Jean Claude Abric的概念。研究在2020年10月至12月於巴西東北部進行，51位專業人員參與，透過自由聯想訪談及Iramuteq軟體分析。結果顯示，中央核心特徵與污名化及無知有關，關鍵詞包括偏見、恐懼等，顯示健康專業人員的理解受到負面影響，可能妨礙照護並加劇污名化。研究強調需加強專業人員的教育與訓練，以改善知識與實踐，促進更好的照護。 PubMed DOI

這項研究探討大型語言模型（LLMs）如ChatGPT與傳統搜尋引擎如Google在獲取健康資訊的使用情況。調查顯示，95.6%的人使用搜尋引擎查詢健康問題，但只有32.6%的人使用LLMs。男性、黑人和亞裔更常使用LLMs，且健康狀況較好和技術熟練度高的人也較常使用。 後續調查中，大多數LLM使用者仍偏好搜尋引擎，認為LLMs的實用性不如搜尋引擎，但對其負面感受較少，認為LLMs更具人性化。總體來看，搜尋引擎仍是主要工具，但LLMs的正面評價顯示其未來增長潛力。 PubMed DOI

這項研究強調在醫療保健中開發人工智慧工具時，必須納入多元病患的觀點，特別是針對種族和族裔少數群體。調查邀請了230名來自這些群體的參與者，結果顯示雖然許多人對人工智慧有基本了解，但對其在醫療和皮膚科的應用認識不足。參與者對醫療系統的信任程度因收入而異，且不少人對自己的數據被用於人工智慧開發感到不安，並認為應該獲得補償。這項研究強調納入多元聲音的重要性，以確保公平的醫療解決方案。 PubMed DOI

大型語言模型（LLMs）在心理健康評估中的應用日益普遍，但對其準確性和公平性仍有疑慮，特別是社會偏見和某些族群的代表性不足。本研究聚焦於厭食症和暴食症，特別是男性，尤其是同性戀男性在這方面的研究常被忽視。研究發現，ChatGPT-4在健康相關生活品質的評估中對男性存在顯著性別偏見，男性分數低於女性，卻缺乏實證支持。這些結果顯示LLM在心理健康評估中可能存在偏見，強調需理解並減少這些偏見，以確保診斷和治療的負責任使用。 PubMed DOI

這項研究評估了九個大型語言模型在醫療領域的表現，分析了1,000個急診案例的170萬個輸出結果。結果顯示，標記為黑人、無家可歸者或自我認同為LGBTQIA+的案例，常被建議進行緊急護理或心理健康評估，且有時缺乏臨床正當理由。相對而言，高收入案例則較常建議進行高級影像檢查。這些偏差可能加劇健康不平等，強調了評估和減輕LLMs偏見的重要性，以確保醫療建議的公平性。 PubMed DOI