大型語言模型（LLMs）如ChatGPT的出現可能會影響心理治療，特別是認知行為療法（CBT）。我們的系統性研究顯示，LLMs能夠識別不利的思維，評估其有效性，並建議將其重新框架為更具建設性的替代方案。然而，儘管LLMs在這方面能提供有用的建議，但不應僅依賴它們來進行CBT。 PubMed DOI

這項研究探討大型語言模型（LLMs）在精神科訪談中的應用，特別針對北韓脫北者的心理健康挑戰。研究目標是確認LLMs能否有效識別精神病症狀並總結壓力源。主要任務包括提取壓力源、識別症狀及總結訪談內容。結果顯示，使用GPT-4 Turbo模型後，73個記錄片段準確關聯精神病症狀，經微調後性能提升，平均準確率達0.82。LLMs生成的摘要在連貫性和相關性上得分高，顯示其在心理健康領域的潛力。 PubMed DOI

這項研究顯示客製化的大型語言模型（LLMs）在提升談話治療，特別是癡呆症護理中的潛力。研究團隊利用QLoRA方法，在A40 GPU上微調五個開源LLM，創造出針對心理健康的解決方案。他們生成了10,000個模擬的諮詢師與病人互動問答，涵蓋憂鬱症和焦慮症等問題。微調後的模型在心理健康論壇和Quora的測試中表現優異，最佳模型「Mixtral-8×7B-v0.1-qlora」得分7.83，顯示出顯著改善，強調了微調LLMs在心理健康治療中的有效性。 PubMed DOI

這項研究顯示大型語言模型（LLMs）在創建虛擬病人（VPs）方面的潛力，能模擬病人與醫師的互動。研究使用OpenAI的GPT模型生成60個針對慢性咳嗽和糖尿病的對話，並評估其真實性和使用者體驗。主要發現包括： 1. **成本效益**：每次對話成本低，具可擴展性。 2. **對話真實性**：評分高，顯示對話現實且有用。 3. **病人偏好**：大多數對話符合病人預期。 4. **模型比較**：GPT-4.0-turbo表現優於GPT-3.5-turbo。 5. **反饋相似性**：醫師與LLM的評分相似。 6. **缺陷識別**：某些特徵影響真實性。 7. **工具驗證**：確認測量工具的可靠性。 總體而言，LLM生成的虛擬病人能有效模擬臨床互動，具成本效益，建議進一步研究以提升對話質量。 PubMed DOI

大型語言模型（LLMs）在醫學知識的教育、訓練和治療上有顯著進展，但早期研究顯示其不穩定性和潛在的有害輸出。為了解決這些問題，我們提出了一個經過驗證的數據集來訓練LLMs，並設計了一個演員-評論者的提示協議。在這個框架中，治療師生成初步回應，然後由監督者進行精煉。盲驗證研究顯示，LLM的評分常高於適當的治療師回應，顯示其符合專家標準，為安全整合LLM技術於醫療應用提供了基礎。 PubMed DOI

臨床醫師越來越重視大型語言模型（LLMs）在肥胖服務中的應用，因為它們有助於提升護理的可及性和效率。不過，對於這些模型的科學準確性和同理心表達仍有疑慮。最近研究顯示，ChatGPT-3能有效模仿人類營養師的回應，而比較ChatGPT-4與人類營養師的研究結果顯示，兩者在科學正確性、可理解性、同理心和可行性上表現相似。這些結果顯示，先進的LLMs在肥胖治療中可能提供有價值的支持，但仍需進一步研究其在其他情境中的有效性。 PubMed DOI

這項研究用大型語言模型來協助神經復健遊戲，根據病患狀況調整遊戲難度，並在專家指導下給予個人化建議。初步結果顯示，LLM能即時調整並配合指示，但參數調整還不夠精確，未來還需優化才能更可靠。 PubMed DOI

這項研究發現，透過提示工程（prompt engineering）可以提升大型語言模型在心理治療（PST）初期階段的表現，尤其在症狀辨識和目標設定上更有效。雖然品質和同理心有所提升，但仍有侷限。整體來說，LLM 有潛力協助解決心理健康人力不足，推動 AI 治療服務發展。 PubMed

這項研究提出 ABCD 系統，利用兩個 AI（AI 臨床醫師和 AI 失語症患者）自動模擬語言治療對話，省時又省錢，不需真人參與。系統用 GPT-4o 和語音工具打造，zero-shot 提示效果最好。ABCD 有助於開發和測試失語症治療 AI，突破臨床研究瓶頸，未來應用潛力大。 PubMed DOI

這項研究發現，ChatGPT能給家長清楚又實用的ADHD行為訓練建議，但部分資料過時、內容也不夠深入。AI工具雖然能協助照顧者學習，但臨床應用前，建議再加強正確性和細節。 PubMed DOI