人工智能在支持医疗服务方面的重要性得到了全球大流行病的推动。我们回顾了过去 10 年（2013 年至 2023 年）提出的医疗领域 AI 聊天机器人的最新技术。我们的研究表明，虽然有少数商业聊天机器人用于患者支持，还有一些尚处于临床试验阶段的非商业聊天机器人，但人们对这种技术在患者安全和数据保护方面缺乏信任，医疗工作者和专业人士对其好处缺乏广泛认识。此外，与人类相比，患者对于聊天机器人的自然语言处理技术表达了不满。然而，为了部署和整合 AI 聊天机器人在公共卫生服务中，当前需求是：构建简单且安全易用的技术；通过专注的培训和发展来增强医疗界对该技术的信心；通过外联活动增加患者和更广泛社区对该技术的认知。

Aug, 2023

使用 AI-Assisted Provider Platform 开发的基于文本的虚拟治疗接口，支持提供者通过响应建议功能以及协议化治疗方法提供心理治疗，从而显著减少响应时间、提高共情响应准确率，并在目标推荐准确率上有 66.67% 的提升，用户对系统的可用性评价良好。

Jan, 2024

该研究提出了 Hailey，一种 AI 辅助的方案，可以帮助在线人互相提供心理健康支持，结果表明，与 AI 协作可以在同辈间提高 19.60% 的情感共鸣，并使自我效能得到提升。

Mar, 2022

通过 PRISMA 框架综合文献综述，研究了 534 篇计算机科学和医学领域发表的关于建立与心理健康相关的对话代理的论文，发现了 136 篇重要论文，重点关注对话建模和实验设计技术的多样特征，建议以透明度、伦理和文化异质性为基础，实现心理健康对话代理的跨学科发展。

Oct, 2023

我们开发了一个评估框架，以确定大型语言模型在自动化心理健康治疗方面是否是可行和道德的前进路径，并通过人工评估和心理学研究的自动质量评估指标，比较了点对点响应者提供的回应与一种最先进的大型语言模型提供的回应。我们展示了像 GPT-4 这样的大型语言模型使用隐式和显式线索推断患者人口统计学特征，然后展示了患者子群之间存在统计上显著差异：对于黑人发帖的回应一直比其他人口统计群体的同一回应具有较低的同理心（比对照组低 2%-13%）。我们发现回应生成的方式显著影响回应的质量。最后，我们提出了大型语言模型在心理健康响应潜在部署中的安全指南。

May, 2024

通过对来自不同国家背景的 21 位个体进行访谈，我们调查了使用 LLM 聊天机器人进行心理健康支持的人们的亲身经历，并对用户如何为他们的聊天机器人创造独特的支持角色、填补日常护理的空白以及在寻求聊天机器人支持时如何应对相关的文化限制进行了分析。我们将分析基于心理治疗文献中有效支持的概念，并介绍了治疗性对齐的概念，即将人工智能与心理健康背景下的治疗价值对齐。我们的研究为设计师如何以道德且有效的方式应对 LLM 聊天机器人和其他人工智能心理健康支持工具在心理健康护理中的使用提供了建议。

Jan, 2024

通过系统性且批判性的回顾现有的心理健康对话系统，在上下文知识、数据集和临床决策支持方面提供全面、安全、可解释和值得信赖的虚拟心理健康助手（VMHAs）。

Apr, 2023

我们提出了一种基于大型语言模型和智能设备的对话式 AI 治疗师平台 (CaiTI)，该平台可以通过自然和心理治疗对话来筛查日常功能，提供个性化对话流程，并提供认知行为疗法和动机性面谈等对话式心理治疗干预。通过与心理治疗师合作进行实验证明，CaiTI 能够与用户自然对话，准确理解和解释用户的回应，并适当有效地提供心理治疗干预，展示了 CaiTI 大型语言模型在心理治疗诊断和治疗中的潜力，以及日常功能筛查和预防性心理治疗干预系统的改进。

Mar, 2024

最近在机器学习和自然语言处理方面的进展使得人工智能（AI）作为医疗行业中的有价值工具迅速发展起来。使用大型语言模型（LLMs）作为会话代理或聊天机器人有潜力帮助医生诊断患者、检测疾病的早期症状并为患者提供健康建议。本文重点探讨聊天机器人在医疗保健中的作用，并探索使用化身使得人工智能交互对患者更有吸引力的可能性。通过使用一个三类别提示字典和提示改进机制展示了一个通用 AI 化身应用的框架。建议采用两阶段方法对通用 AI 语言模型进行优化以创建不同的 AI 化身与用户讨论医疗问题。提示工程增强了聊天机器人的对话能力和个性特征，培养了与患者更加类似人类的互动。最终，将个性注入聊天机器人有可能增加患者参与度。未来研究方向包括探究如何提高聊天机器人对上下文的理解以及通过专门的医疗数据集进行精调以确保其输出的准确性。

Jan, 2024

通过人工智能聊天机器人辅助文档整理，可以减轻医生的文档负担，提高工作效率并改善患者护理情况。

Oct, 2023