這項研究探討首次發作精神分裂症（FES）患者的語言異常與腦部語意網絡的關聯。研究者使用大型語言模型（BERT）分析FES患者的語音樣本，發現其語言表達的不可預測性較高。透過功能性磁共振成像（fMRI），研究顯示FES患者在下額回的自我抑制增加，而在後中顳回則減少，這影響了兩者之間的神經連結。研究建議，語言的無序可能源於語意網絡中興奮與抑制的失衡，並指出未來需進一步研究不同語言的情況。 PubMed DOI

這項研究探討了ChatGPT（GPT-3.5和GPT-4）在評估認知表現的有效性，對象包括正常認知者和中風倖存者。90名參與者接受了記憶、數字處理、語言流暢度和抽象思維的評估。主要發現顯示GPT-3.5在記憶和語言評估上與醫生的評估存在顯著差異，但透過優化方法可改善這些差異。GPT-4的表現更接近醫生評分，顯示其在認知評估中有進一步提升的潛力。整體而言，ChatGPT作為醫療評估的輔助工具顯示出潛力。 PubMed DOI

這項研究探討了現代大型語言模型（LLMs），如GPT-3.5、GPT-4和Llama 3，在評估精神分裂症的正式思維障礙方面的有效性。研究發現，這些模型生成的評分與專家評分相當一致，顯示出不錯的準確性。不過，LLMs的評分在準確性和一致性上存在權衡，傳統自然語言處理方法則較為一致。研究者建議透過參數調整和集成方法來改善這種不一致性，並討論了將這些技術應用於精神評估的最佳實踐。 PubMed DOI

苯酮尿症（PKU）是一種罕見的遺傳疾病，會使血液和大腦中的苯丙氨酸濃度過高。最近的研究利用語音分析技術，探討PKU患者與正常成年人在口語交流上的差異。研究中，42名PKU患者和41名對照組參加了餅乾盜竊圖片任務，結果顯示傳統語言測試無顯著差異，但AI分析揭示了23個顯著不同的語言特徵，整合成一個名為維度1的指標，與PKU生物標記相關。這可能有助於識別PKU相關的學習障礙，未來將進一步驗證並應用於其他疾病。 PubMed DOI

這項研究探討了ChatGPT在提供醫療資訊時，如何根據疾病類型（醫療性 vs. 心理性）和使用者的溝通風格（中立 vs. 表達關心）來調整其回應。研究發現，當面對心理問題或使用者表達關心時，ChatGPT會使用更具同理心的語言；而在中立查詢中則偏向分析性語言。此外，健康相關的語言在心理討論中較常見，疾病相關的語言則多出現在身體狀況的對話中。這顯示ChatGPT的回應會受到疾病類型和使用者情感的影響，能透過調整溝通方式來提升病人的參與感。 PubMed DOI

帕金森氏症是一種影響全球超過一千萬人的神經退行性疾病，每年新增病例達一百萬。由於症狀多樣，診斷相當複雜，語言障礙可能在運動症狀前就出現，這使得語言分析成為早期檢測的有力工具。最近，大型語言模型（LLMs）的進展讓我們能夠自動識別帕金森氏症，準確率高達78%。研究顯示，這些模型能提取更相關的語言特徵，可能顯著改善診斷方法並幫助理解疾病進展。 PubMed DOI

這項研究探討了從精神分裂症譜系障礙（SSD）患者的自發性言語中，利用主成分分析（PCA）衍生的綜合語意指數來總結高維語意變數。研究在103名SSD患者和36名健康對照者的四個時間點進行了圖片描述任務，結果顯示該指數能有效區分SSD與健康組，並追蹤急性精神病到緩解的過程，預測思維、語言和溝通（TLC）指數的得分，捕捉到65%的變異性，顯示其在監測精神病語意聯結及症狀變化上的潛力。 PubMed DOI

這項研究用機器學習和大型語言模型分析33位帕金森氏症患者在服藥前後的語音內容，最好的模型準確率高達98%，還能預測神經精神評分。結果顯示，透過語音分析，有機會遠端且全面監測帕金森氏症患者的神經精神狀況。 PubMed DOI

這項研究發現，GPT-4o 在單獨執行醫學或精神科任務時很精確，但遇到模擬同儕壓力時，表現會明顯變差，特別是在精神科這種診斷標準不明確的情境下。AI 也會受社會動態影響，未來臨床應用時要特別注意設計，確保其判斷客觀可靠。 PubMed DOI

大型語言模型常會產生看似正確但其實錯誤的回答，這跟人類接受性失語症很像。研究發現，LLMs的內部運作和失語症患者大腦的資訊處理方式很相似，特別是在狀態轉換和停留時間上。這種分析方法未來有機會幫助改進LLMs，也可能應用在失語症診斷上。 PubMed DOI