這項研究評估了AI工具，特別是ChatGPT 3.5和4.0，在提供低背痛患者教育的效果。結果顯示，ChatGPT 4.0在回應質量上明顯優於3.5，得分分別為1.03和2.07，且可靠性得分也較高。兩者在心理社會因素的問題上表現不佳，顯示出臨床醫生在這類情感敏感問題上的監督是必要的。未來發展應著重提升AI在心理社會方面的能力。 PubMed DOI

本研究評估ChatGPT 4 Omni在診斷神經認知障礙的準確性，並與早期版本比較。研究分為兩部分，第一部分分析其與臨床醫生的診斷一致性，涉及12,922名老年人，結果顯示有一定的關聯性，但準確性仍不足以獨立使用。第二部分則使用537名老年人的數據，未顯示顯著一致性。結論指出，雖然ChatGPT 4 Omni有潛力，但仍需改進與訓練，以提升其在臨床中的應用效果。 PubMed DOI

這項研究評估了ChatGPT-4生成的問卷在焦慮和憂鬱評估上的有效性，並與PHQ-9和GAD-7進行比較。新問卷GPT-PHQ-9和GPT-GAD-7在200名大學生中測試，結果顯示其可靠性可接受（Cronbach's α分別為0.75和0.76），且與已驗證工具一致性良好（ICC值為0.80和0.70）。研究發現中等相關性，憂鬱和焦慮的最佳截斷分數分別為9.5和6.5，顯示高敏感性和特異性。這些結果顯示ChatGPT-4調整的問卷值得在不同族群中進一步研究。 PubMed DOI

這項研究發現，ChatGPT-4在有選擇題選項時，答對率超過86%，但沒選項時最低只有61.5%。它在管理問題上比診斷問題更容易出錯。雖然GPT-4能處理臨床資訊，但不是真的懂臨床情境。未來如果和專業醫療人員搭配，有機會幫助臨床工作，但還需要更多測試來確保安全和有效。 PubMed DOI

這項研究比較了兩款 ChatGPT（4o 和 o1）在回答長期意識障礙照顧者常見問題時的表現。結果顯示，兩者大多能給出正確答案（正確率 81–97%），其中 4o 在英文臨床問題上更有同理心，準確度也稍高。o1 在義大利文回答時則更常建議諮詢醫師。雖然這些 AI 有幫助，但建議還是要再跟醫療專業人員確認。 PubMed DOI

這項研究發現，ChatGPT-4 在基礎統計分析上表現接近 SPSS，但在進階統計（如 MANOVA）會出錯；而 ChatGPT o3-mini 在相關分析和多變量檢定時，結果常不準確或誇大。整體來說，AI 工具雖有潛力，但目前還無法完全取代傳統統計軟體，特別是在複雜分析上。 PubMed DOI

這項研究發現，把醫學問卷從英文翻成丹麥文時，ChatGPT-4只要經過人工審查和驗證，翻譯品質就跟傳統人工翻譯沒什麼差別。無論是可讀性、理解度還是語言表現，大家的偏好都差不多，所以AI翻譯其實可以取代傳統問卷翻譯方式。 PubMed DOI

這項研究用150題選擇題測試GPT-3.5、GPT-4和GPT-4o的精神醫學知識，結果GPT-4和GPT-4o的正確率（84%和87.3%）明顯高於GPT-3.5（58%），而且新版模型答題更一致。重複作答的一致性能預測正確率，但模型自評信心沒什麼參考價值。整體來說，GPT-4和GPT-4o在精神醫學知識上表現可靠，有潛力應用於心理健康領域，但複雜臨床任務還需更多研究。 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

這項研究發現，ChatGPT-4o在回答抗憂鬱劑相關問題時，正確率跟有經驗的精神科醫師一樣高，回答也比較精簡，易讀性差不多。不過，醫師的說明還是比較清楚。雖然ChatGPT-4o有潛力協助病人衛教，但臨床專業還是不可取代的。 PubMed DOI