大型语言模型（LLM）在司法精神病学报告分析中的应用案例研究：GPT-4o提取临床与非临床变量的可行性探索

本研究探讨了利用GPT-4o大型语言模型（LLM）从司法精神病学报告中提取临床与非临床变量的可行性。结果表明，该系统能有效提取信息并生成结构化摘要，为构建大规模数据集、辅助司法决策及推动法医精神病学中人工智能（AI）技术的半自动化分析提供了新思路。

　　

亮点片段

司法精神病学背景

司法精神病学处于精神健康与法律体系的交叉领域，在民事、刑事、矫正、监管或立法事务及专业临床咨询中扮演关键角色（American Academy of Psychiatry & the Law, 2005）。司法精神病学评估聚焦于心智能力、决策能力以及精神状况对行为（包括犯罪行为）的影响。司法精神病学专家常被邀请提供专业意见。

大型语言模型解决方案的优势与缺陷

大型语言模型（LLM）是人工智能（AI）领域，尤其是自然语言处理（NLP）中的尖端进展。这些模型通过从海量文本语料库中学习，旨在理解和生成自然语言。它们基于神经网络构建——这些数学框架模拟了人脑结构和功能的某些方面。这些模型展现出强大的自然语言理解能力，并能执行广泛复杂任务，包括问答、文本摘要和代码生成等。

司法精神病学评估

在刑事诉讼中，司法精神病学专家的主要职责之一是通过重建被告作案时的心理状态， retrospective 评估其是否符合法律上的精神错乱标准。目标是确定是否存在精神障碍或异常，并评估其是否产生了超出法定精神错乱门槛的功能性影响，从而建立与 alleged 犯罪行为之间的潜在因果关系。

讨论

基于我们的研究发现，本研究证明了使用现有大型语言模型（LLM）（如GPT-4o）从涉及被告刑事责任能力与社会危险性的真实世界司法精神病学报告中提取和分析临床与非临床变量的可行性。通过利用基于AI的语言模型，我们可以增强对复杂法律和医学文档的分析，助力更明智的决策过程。

结论

使用LLM-GPT从司法精神病学报告中提取变量是一种可行且有价值的方法，我们研究的初步结果已证明了这一点。虽然我们的发现支持了LLM在此背景下的应用可行性，但仍需进一步精炼这些方法，并审慎考虑伦理与实践挑战，以确保其负责任地融入司法精神病学领域。提示工程在优化查询、确保更精确和相关的输出方面发挥了关键作用。