抑鬱症對全球影響深遠，影響工作效率和殘疾率。雖然早期發現很重要，但現有的篩檢工具常缺乏客觀性。研究者正探索影像分析、血液標記及日記寫作等客觀指標。這項研究利用情感日記應用程式，評估91名參與者的日記文本，並使用GPT-3.5和GPT-4等大型語言模型進行抑鬱症檢測。結果顯示，微調後的GPT-3.5準確率達90.2%，顯示用戶生成的文本在臨床檢測抑鬱症上具潛力，未來可結合其他可測量指標進一步研究。 PubMed DOI

這項研究針對研究生開發了一個評估他們在學術環境中使用ChatGPT的量表，對象為來自兩所埃及大學的443名學生。經過探索性因素分析，最初的39項量表精煉為15項，識別出三個關鍵因素：學術寫作輔助、學術任務支持，以及依賴與信任。確認性因素分析證實了量表的結構，顯示良好的適配指標，並展現強大的內部一致性和可靠性。這個量表有助於理解ChatGPT對研究生教育的影響，並促進對人工智慧在學術中的角色進一步研究。 PubMed DOI

隨著人工智慧在心理健康照護中的重要性日增，對於評估其臨床、倫理及使用者中心標準的需求也隨之上升。本文回顧了人工智慧心理健康介入的評分系統歷史，並介紹了心理健康人工智慧工具評估框架（FAITA-Mental Health），幫助使用者根據可信度、使用者體驗等關鍵標準評估相關平台。研究以OCD Coach為例，顯示該框架在實際應用中的優缺點，強調制定嚴格標準以確保人工智慧在心理健康照護中的有效性與安全性。 PubMed DOI

這項研究探討了生成式人工智慧，特別是 ChatGPT 4.0，在創建和增強一個包含 24 項目的 HEXACO 人格量表（ChatGPT HEXACO 量表，簡稱 CHI）的有效性。我們的目的是檢視 ChatGPT 是否能改善 CHI 的內部一致性或內容效度。研究中682名參與者完成了簡短 HEXACO 量表（BHI）和 HEXACO-60，結果顯示三個 CHI 版本的心理測量特性與 BHI 相當，但 ChatGPT 在改善特定心理測量特性方面並未成功。雖然 ChatGPT 在問卷開發中可能有幫助，但不一定能提供增強特定心理測量屬性的捷徑。 PubMed DOI

這項研究評估了OpenAI的AI對話工具ChatGPT在數據分析中的有效性，特別是探索性因素分析（EFA）。研究人員生成了不同條件下的模擬數據，並在兩次不同時間點使用ChatGPT-4進行分析，與R語言的結果進行比較。結果顯示，ChatGPT在計算任務上表現良好，尤其是KMO值和因素載荷的計算，但在確定多維結構時存在一些偏差。因此，研究人員在依賴AI進行決策時應保持謹慎。總體而言，ChatGPT在簡單計算任務上顯示出潛力。 PubMed DOI

這項初步研究探討了大型語言模型（LLMs），特別是GPT-4，生成心理動力學報告的潛力，幫助個人更好理解自己。研究分為三個步驟： 1. **問卷開發**：參與者回答20個問題，探討人際關係困擾，包含14個GPT-4生成的問題及6個固定的父母關係問題。 2. **專家評估**：七位精神科教授評估AI生成報告的質量及幻覺風險，並與專家推論進行比較。 3. **參與者滿意度**：參與者用李克特量表評價報告的清晰度、洞察力等。 結果顯示，AI報告質量與專家相當，參與者滿意度高，顯示AI可成為心理動力學解釋的有價值工具。 PubMed DOI

這項研究強調中東和北非地區心理健康問題的上升，並促進相關研究的增加。研究人員利用ChatGPT-4開發AI模型，根據紐卡索-渥太華量表和賈達量表等標準進行評估。結果顯示，AI評估與人類評審者之間有中等到良好的一致性，且AI大幅縮短評估時間，每篇文章僅需1.4分鐘，而人類則需19.6分鐘。雖然AI在某些情況下會出現不準確的結果，但在專業知識輔助下，其效果會更佳。 PubMed DOI

這項研究發現，ChatGPT-4在調整和執行常見的老年人心理健康問卷時，表現和傳統方法有中到高度的一致性與可靠性。顯示ChatGPT-4有機會成為心理健康評估的輔助工具，但還需要更多研究來驗證其廣泛應用的可行性。 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

這篇回顧分析36篇AI在心理健康照護的研究，發現AI工具多用於篩檢、治療輔助、監測等，像聊天機器人和語言模型。AI能提升就醫效率和參與度，也有助於症狀追蹤，但仍面臨偏見、隱私和整合等問題。文中提出「四大支柱」架構，強調AI應安全、有效且公平地應用於心理健康領域。 PubMed DOI