心理研究中使用大型語言模型(LLMs)引起關注，但「GPTology」的使用限制和風險令人擔憂，可能影響像ChatGPT這樣的模型。我們需了解LLMs在心理研究中的限制、道德問題和潛力，解決其對實證研究的影響。重要的是認識全球心理多樣性，謹慎看待LLMs作為通用解決方案，發展透明方法從AI生成的數據中做可靠推論。多元化人類樣本，擴展心理學方法，確保科學包容可靠，避免同質化和過度依賴LLMs。 PubMed DOI

全球心理健康問題日益嚴重，現有的照護模式無法滿足需求。大型語言模型（LLMs）被視為解決方案，能在心理健康教育、評估和介入上提供幫助。本文回顧了LLMs的應用，並指出其潛在的正面影響與風險，強調需採取策略來降低風險。平衡心理健康支持的需求與LLMs的負責任開發至關重要，確保這些模型符合倫理標準，並讓有經驗的人參與開發，以減少傷害並增強其正面影響。 PubMed DOI

這項研究探討心理健康專家對大型語言模型（如ChatGPT）整合進心理健康實務的看法，透過對21位中國專業人士的訪談，發現四個主要主題： 1. **實務改革**：LLMs可提升心理健康服務的可及性與效率。 2. **科技鴻溝**：專家擔心誤導資訊及使用者風險。 3. **整合條件**：需培訓、制定指導方針，並保持透明。 4. **未來期望**：希望合理分配工作，持續改善技術。 研究顯示LLMs在心理健康領域的潛力與挑戰，為機構提供實施與管理的建議。 PubMed DOI

這項研究顯示大型語言模型（LLMs），像是GPT，在學術界，特別是醫學領域的使用越來越普遍。調查訪問了來自59個國家的226位參與者，結果發現87.6%的人對LLMs有了解，且這些人發表的論文數量較多。雖然18.7%的人使用LLMs處理語法和格式，但許多人並未在作品中說明。大多數人（50.8%）認為LLMs將對未來有正面影響，尤其在編輯和文獻回顧方面，但也有呼籲制定規範以防止濫用的聲音，強調了建立倫理指導方針的必要性。 PubMed DOI

大型語言模型在心理健康照護上有潛力，但目前研究方法不一、太依賴特定模型，證據還不夠支持單獨用LLMs治療。未來要有更嚴謹和標準的研究，才能安全有效地應用在臨床上。 PubMed DOI

調查顯示，大型語言模型（LLMs）能提升醫療工作效率，多數用過的人都給予正面評價。不過，醫護人員、年長者和女性對於導入LLMs較為保留，主要擔心實用性和工作影響。年輕男性則較看好LLMs的幫助。大家普遍認為，未來LLMs會改變工作和人際互動，因此需要有完善的教育和支援，才能讓醫療界公平、安全地導入這項新技術。 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

調查發現，多數醫療專業人員已經用過ChatGPT，主要拿來寫作、查資料和跟病人溝通。他們覺得ChatGPT能提升效率、方便找資訊，但也擔心準確度、隱私和抄襲等問題。大家普遍支持加強資料安全。雖然ChatGPT很有幫助，但還需要更多研究和保障措施，才能安心用在醫療領域。 PubMed DOI

一份針對健康資料科學碩士生的調查發現，84%學生會用ChatGPT等大型語言模型來寫程式、debug等工作，超過一半每天都用。大家覺得LLMs很方便又省時，但也擔心太依賴、資料隱私和引用正確性。研究建議老師課程要結合LLMs，並加強學生的問題解決和批判思考能力。 PubMed DOI

澳洲和紐西蘭的醫學物理學家調查發現，很多人已經用像 ChatGPT 這類大型語言模型來提升工作效率，但品質沒明顯變好。大家最擔心資料安全、病患隱私、缺乏指引，以及資源有限時的存取和成本問題。研究呼籲應該訂出明確規範和風險管理措施，確保臨床使用安全。 PubMed DOI