Applications of Large Language Models in the Field of Suicide Prevention: Scoping Review.
大型語言模型在自殺預防領域的應用：範疇回顧。 J Med Internet Res 2025-01-23

自殺預防是全球健康的重要議題，每年約有80萬人因自殺而喪生。大型語言模型（LLMs）在數位服務中有助於自殺預防，但也帶來臨床與倫理挑戰。2024年2月的回顧研究分析了43項相關研究，發現大多數集中於自殺風險識別，並探討了LLMs在臨床應用中的潛力。研究指出，隱私和同意等倫理問題需特別注意，並強調多學科合作及高品質數據的重要性。生成性人工智慧的發展可能改善危機護理與教育，但需持續人類監督。 PubMed DOI

Classifying Unstructured Text in Electronic Health Records for Mental Health Prediction Models: Large Language Model Evaluation Study.
電子健康紀錄中非結構化文本的分類以進行心理健康預測模型：大型語言模型評估研究。 JMIR Med Inform 2025-01-26

這項研究探討大型語言模型（LLMs）在分類與心理健康相關的電子健康紀錄（EHRs）術語的有效性，並與臨床專家的判斷進行比較。研究使用了來自美國50多家醫療機構的數據，分析了因心理健康問題入院的病人EHR。結果顯示，LLM與臨床醫生在術語的廣泛分類上達成高一致性（κ=0.77），但在具體的心理健康（κ=0.62）和身體健康術語（κ=0.69）上則較低，顯示出LLM的變異性。儘管如此，研究強調了LLM在自動化編碼和預測建模中的潛力。 PubMed DOI

Large language models may struggle to detect culturally embedded filicide-suicide risks.
大型語言模型可能難以檢測文化嵌入的親子殺害-自殺風險。 Asian J Psychiatr 2025-02-16

這項研究評估了六個大型語言模型（LLMs）在識別家庭暴力、自殺及父母殺子自殺風險的能力，故事取材自台灣短篇小說《燒烤》，由六歲小女孩敘述。結果顯示，所有模型都能識別家庭暴力，但只有GPT-o1、Claude 3.5 Sonnet和Sonar Large能根據文化線索識別自殺風險。相對而言，其他模型未能正確理解母親的孤立與饒恕的文化意義，顯示LLMs在非西方文化背景下的理解不足，這對心理健康評估非常重要。 PubMed DOI

Exploring the Potential of Large Language Models for Automated Safety Plan Scoring in Outpatient Mental Health Settings.
探索大型語言模型在門診心理健康環境中自動安全計劃評分的潛力。 medRxiv 2025-04-08

安全規劃介入忠實度評估工具（SPIFR）是一個自動化工具，專門用來評估自殺風險管理的安全規劃介入（SPI）質量。它利用三個大型語言模型（LLMs）分析了266個去識別化的SPI，重點在於警示徵兆、內部應對策略、安全環境及生存理由。研究發現，LLaMA 3和o3-mini的表現優於GPT-4，並針對每個步驟提出了最佳評分系統。這顯示大型語言模型在提供臨床醫師即時且準確的反饋方面的潛力，有助於提升自殺預防策略的有效性。 PubMed DOI

A Mixed-Methods Evaluation of LLM-Based Chatbots for Menopause.
以混合方法評估以LLM為基礎的更年期聊天機器人 Stud Health Technol Inform 2025-05-17

這項研究發現，現有的大型語言模型雖然能回答更年期健康問題，但目前的評估方式對於敏感醫療議題還不夠完善。作者建議應發展更專業且重視倫理的評估標準，確保AI產出的醫療資訊安全又可靠。 PubMed DOI

Utilizing Large Language Models to Monitor Social Media for Disability: An Analysis of Sentiment and Disability Models in Tweets.
運用大型語言模型監測社群媒體中的身心障礙：推文中情感與身心障礙模型的分析 Stud Health Technol Inform 2025-05-17

**重點摘要（繁體中文）:** 這項研究測試大型語言模型是否能準確分析有關身心障礙權益的推文，特別是判斷情緒（正面/負面）以及辨識推文是反映社會觀點還是醫療觀點的身心障礙。研究使用了5,000則推文，結果顯示模型在這兩項任務上都有不錯的準確度。 PubMed DOI

Large Language Models and Text Embeddings for Detecting Depression and Suicide in Patient Narratives.
大型語言模型與文本嵌入於病患敘述中偵測憂鬱與自殺的應用 JAMA Netw Open 2025-05-23

這項研究發現，大型語言模型和文字嵌入模型能從精神科病患的句子完成測驗中，準確辨識憂鬱症和自殺風險，尤其在分析自我概念相關內容時效果最好。最佳模型偵測憂鬱症的AUROC達0.841。雖然AI有潛力協助心理健康評估，但臨床應用前還需要更多改進和安全驗證。 PubMed DOI

Improving Suicidal Ideation Detection in Social Media Posts: Topic Modeling and Synthetic Data Augmentation Approach.
提升社群媒體貼文中自殺意念偵測：主題建模與合成資料增強方法 JMIR Form Res 2025-06-11

這項研究發現，社群媒體上關於自殺的討論常忽略弱勢族群的議題。研究團隊用AI生成補足這些缺漏主題的資料，讓機器學習模型訓練更全面。結果顯示，加入這些合成資料後，模型偵測自殺意念的準確度提升，有助於打造更包容的線上自殺風險偵測工具。 PubMed DOI

Automatically Identifying Event Reports of Workplace Violence and Communication Failures using Large Language Models.
使用大型語言模型自動識別職場暴力事件報告與溝通失誤 AMIA Jt Summits Transl Sci Proc 2025-06-12

**重點整理：** 大型語言模型可以準確分類安全事件通報（例如：職場暴力、溝通失誤），協助醫療機構快速掌握安全趨勢，並透過自動化分析來提升職場安全。 PubMed

Assessing the accuracy and consistency of large language models in triaging social media posts for psychological distress.
大型語言模型在篩選社群媒體貼文以評估心理困擾時的準確性與一致性評估 Psychiatry Res 2025-06-14

這項研究比較三款AI語言模型在判斷Reddit心理困擾貼文緊急程度的表現，發現它們都容易高估風險，但GPT-4o和Claude 3.5 Sonnet的結果較接近臨床醫師，GPT-4o表現最好。雖然AI有潛力協助心理健康分級，但還是需要專業人員把關。 PubMed DOI

原始文章

站上相關主題文章列表