虐待性頭部創傷（AHT）是幼兒死亡的重要原因，特別在急救醫療服務（EMS）中，識別此情況相當困難。本研究利用人工智慧（AI）和大型語言模型（LLMs）分析EMS的敘述文件，以檢測36個月以下有頭部受傷的兒童是否有AHT。研究顯示，增強的自然語言處理框架具備高敏感性（92.3%）和特異性（72.4%），能有效提升AHT的檢測能力，改善幼兒的醫療結果。 PubMed DOI

這項研究探討了一個名為 Noora 的人工智慧程式，旨在幫助自閉症青少年和成年人提升社交對話中的同理心反應。研究中，參與者與 Noora 互動，並在四週內進行了 200 次試驗。結果顯示，使用 Noora 的參與者在同理心反應上有顯著改善，並且在社交場合中信心也有所提升。這表明 Noora 能有效增進自閉症患者的溝通技巧，提供一種成本效益高且可及的支持方式。 PubMed DOI

這項研究探討自閉症兒童的挑戰性行為，特別是攻擊性和自我傷害。修訂版家庭觀察量表第三版（FOS-R-III）是一個用於評估這些行為的工具。以往的AI方法多集中於視覺數據，缺乏臨床相關量表。本研究引入AV-FOS模型，結合音頻和視覺數據，並基於FOS-R-III進行編碼，能準確識別互動風格。此外，研究還使用多模態大型語言模型GPT4V進行比較，認為這些進展將提升自閉症研究的臨床應用。 PubMed DOI

將像 ChatGPT-4o 這樣的語言模型應用於兒童醫療，可能會顯著改善發展篩檢的流程。本研究評估了 ChatGPT-4o 的有效性，對比了直接提示和序列提示兩種方法，並與貝利嬰兒發展量表第三版進行比較。 在106個兒科案例中，直接提示的敏感度為73.42%，整體準確率為69.81%；而序列提示的特異性為62.96%，整體準確率為67.92%。結果顯示，直接提示在識別發展問題上更敏感，序列提示則提供較高的特異性。這項研究顯示語言模型在兒童發展評估中的潛力。 PubMed DOI

最近利用全基因組檢測或腦部掃描來診斷自閉症的努力並未有明顯進展，經驗豐富的醫療專業人員的臨床直覺仍是最可靠的診斷方式。我們利用深度學習分析專家根據臨床報告的推理過程，訓練大型語言模型並微調超過4,000份健康記錄，以區分自閉症案例。研究顯示，DSM-5標準中最關鍵的診斷指標是刻板重複行為、特殊興趣和感知行為，這挑戰了目前對社交缺陷的重視，暗示診斷工具可能需修訂。 PubMed DOI

這項研究開發了一個符合HIPAA規範的AI聊天機器人，讓民眾能用簡訊進行物質使用障礙篩檢和提問。系統運用自然語言處理與機器學習，提供專業資訊並加密保護健康資料，提升病患獲得SUD照護的便利性，同時兼顧醫療AI的技術與法規需求。 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

這項研究發現，家長用ChatGPT提供的活動建議後，自閉症兒童的身體活動量明顯增加。家長普遍覺得這些建議實用又有趣。雖然結果很有潛力，但還需要更多研究來確認ChatGPT的長期效果。 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

這項研究用大型語言模型（LLM）來自動辨識自閉症語言障礙的關鍵特徵，在零樣本情境下，表現比傳統方法好，敏感度和陽性預測值都提升超過10%。LLM能穩定偵測出十種重要語言特徵，顯示它有潛力成為協助自閉症診斷和個人化治療規劃的有效工具。 PubMed DOI