心理疾病是全球健康的重要議題，生成式人工智慧（GAI）在提升心理健康護理上展現潛力，但相關研究仍有限。本次綜述回顧了2013至2023年的文獻，分析了144篇文章，找出六個GAI的主要應用，包括心理疾病檢測、諮詢支持等。大多數研究集中在治療和諮詢上，特定心理健康狀況的關注較少。雖然像ChatGPT的工具被廣泛使用，但其在心理疾病檢測的有效性仍需進一步研究。GAI應輔助專業人員，而非取代，並需重視倫理問題以解決心理健康護理的挑戰。 PubMed DOI

這篇系統性回顧探討大型語言模型（LLMs）在心理健康領域的應用，特別是在早期篩檢、數位介入和臨床應用的有效性。回顧分析了2017年到2024年期間的40篇文章，結果顯示LLMs能有效識別心理健康問題並提供電子健康服務，但也存在文本不一致、幻覺現象及缺乏倫理框架等風險。主要挑戰包括需要多語言專家標註的數據、內容可靠性及數據隱私等倫理問題。雖然LLMs不應取代專業服務，但作為輔助工具的潛力值得進一步研究。 PubMed DOI

這項研究系統性回顧了生成式人工智慧在精神科和心理健康領域的應用，強調語言在診斷和治療中的重要性，並指出其潛力改變這個領域。研究人員從三個資料庫篩選出40篇主要在2023年發表的文章。結果顯示，雖然生成式人工智慧如ChatGPT在提升心理健康方面有潛力，但大多數研究集中於一般應用，特定心理疾病的探討較少，物質使用障礙是最常見的主題。儘管表現良好，仍需注意安全和倫理問題，未來研究應改善方法論透明度，並納入使用者意見。 PubMed DOI

抑鬱症是全球重要的公共健康議題，雖然已有研究探討人工智慧在心理健康的應用，但針對大型語言模型（LLMs）的深入分析仍不多。本系統性回顧評估了LLMs在抑鬱症診斷與管理的有效性，並探討其在臨床環境中的整合潛力。從2018年到2024年，回顧了34項研究，發現像RoBERTa和BERT等模型在早期檢測和症狀分類上表現優異。不過，LLMs的臨床應用仍需解決數據隱私和倫理問題，才能安全有效地整合進醫療實務中。 PubMed DOI

本研究探討人工智慧（AI）輔助的心理社會介入現狀，分析2007至2024年間在Web of Science發表的207篇文章。主要發表來源為*Journal of Medical Internet Research*，美國在研究活動中表現突出。研究主題包括*機器學習*、*心理健康*、*認知行為療法*及*個性化*，自2020年以來對AI驅動療法的興趣逐漸上升，特別是像ChatGPT的工具。這顯示未來心理健康照護將更個性化與創新，並強調了進一步研究的必要性。 PubMed DOI

人工智慧（AI）正在徹底改變精神醫學，透過數據分析提升診斷準確性和個性化治療。近期的進展包括腦電圖（EEG）和心電圖（ECG）數據分析、語音分析、自然語言處理（NLP）、血液生物標記整合及社交媒體數據應用等。EEG模型改善了對抑鬱症和精神分裂症的檢測，ECG則揭示情緒調節問題。儘管AI在精神醫療中展現潛力，但數據變異性、可解釋性和倫理問題仍是挑戰，未來需專注於創建可解釋的AI模型並遵循法規。 PubMed DOI

將大型語言模型（LLMs）整合進心理健康臨床護理中撰寫筆記的趨勢逐漸上升。我們的研究目的是建立評估LLMs在心理健康電子健康紀錄（EHRs）中使用的標準，重點在於特徵、安全性和倫理考量。雖然供應商提供了數據保護和病人功能等資訊，但對於LLMs的訓練方法和偏見修正等關鍵細節卻缺乏透明度，這引發了倫理上的擔憂。雖然LLMs有助於減輕文書負擔，但仍需改善透明度和標準化，以確保其安全性和臨床護理的高標準。 PubMed DOI

兒童與青少年的心理健康問題是全球重要議題，約50%在14歲前就已出現。儘管投入了資源，仍面臨供應不足、污名化及可及性等挑戰。這篇回顧探討對話式人工智慧（AI）在兒童心理健康的應用，顯示其在解決焦慮和憂鬱等問題上有潛力，能提供心理教育和技能練習。未來研究應聚焦於技術的適宜性、長期效果及公平性，並強調跨學科合作以滿足年輕人的心理健康需求。 PubMed DOI

這篇回顧整理了大型語言模型在心理健康領域的應用現況，發現LLMs主要用於心理疾病篩檢、治療支援和心理健康諮詢，特別聚焦在憂鬱症偵測和自殺風險預測。整體來說，LLMs在資訊分析和回應生成上表現優於傳統方法，但不同模型各有優缺點。未來應持續技術發展並重視倫理議題。 PubMed DOI

數位心理健康已從單純的遠距醫療，發展到結合手機App、VR和生成式AI等新科技。雖然過去遇到不少挑戰，證據也還不夠多，但透過共同設計和嚴謹評估，這領域正持續進步。文章強調，未來需要更多貼近現實的研究，並關注使用者參與和弱勢族群的可近性，讓科技真正幫助更多人。 PubMed DOI