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

生成式人工智慧和大型語言模型（LLMs），如GPT-4，對臨床醫學和認知心理學影響深遠。這些模型在理解和生成語言方面表現優異，能改善臨床決策和心理諮詢。雖然LLMs在類比推理和隱喻理解上表現良好，但在因果推理和複雜規劃上仍有挑戰。本文探討LLMs的認知能力及其在心理測試中的表現，並討論其在認知心理學和精神醫學的應用、限制及倫理考量，強調進一步研究的重要性，以釋放其潛力。 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

這項研究比較了ChatGPT-3.5、4和Google Gemini在辨識邊緣型人格障礙（BPD）症狀及對患者態度上的表現。結果發現，AI雖然較有同理心，但也帶有更多偏見，例如認為BPD較慢性、不信任患者，且有性別刻板印象（特別是Gemini對女性更負面）。研究呼籲在心理健康應用AI前，需提升透明度並納入專家參與訓練，以減少偏見。 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

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，GPT只能用人們寫下的負面事件解釋來預測憂鬱症狀變化，效果有限，表現也不比傳統問卷好。主要原因是，GPT難以抓到人們對壞事是否能改變的看法，而這正是影響憂鬱風險的關鍵。 PubMed DOI