這項研究探討生成式人工智慧（GenAI），特別是ChatGPT和Bard，在數位健康介入中對文本數據質性分析的影響。研究分析了40條針對HIV患者的SMS提醒，發現GenAI與人類編碼者的主題一致性為71%，但在演繹分析中，ChatGPT降至50%，Bard為58%。雖然GenAI能顯著縮短分析時間至20分鐘，但在人類編碼者在細緻主題識別上表現更佳。研究建議結合人類洞察與AI效率，以提升質性研究的效果，並強調未來需關注AI使用的倫理問題。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在從腫瘤科電子健康紀錄中提取患者共病情況的表現。研究分析了250份病歷報告，結果顯示GPT-4在敏感性上表現優於GPT-3.5和醫生，達到96.8%。雖然醫生在精確度上稍勝一籌，但GPT-4的表現更一致，且能推斷出非明確的共病情況。整體而言，這些模型在提取資訊方面顯示出潛力，可能成為數據挖掘的重要工具。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4，如何分析1型糖尿病患者的持續血糖監測（CGM）數據。研究發現，GPT-4在10項定量指標中有9項達到完美準確度，並且在兩位臨床評分者的評估下，其生成的定性描述在準確性、完整性和安全性方面表現優異。這顯示GPT-4能有效總結CGM數據，可能提升糖尿病護理，並提供分析醫療數據的新方法。 PubMed DOI

這項研究強調中東和北非地區心理健康問題的上升，並促進相關研究的增加。研究人員利用ChatGPT-4開發AI模型，根據紐卡索-渥太華量表和賈達量表等標準進行評估。結果顯示，AI評估與人類評審者之間有中等到良好的一致性，且AI大幅縮短評估時間，每篇文章僅需1.4分鐘，而人類則需19.6分鐘。雖然AI在某些情況下會出現不準確的結果，但在專業知識輔助下，其效果會更佳。 PubMed DOI

這項研究探討大型語言模型（LLMs）在為癌症倖存者及其照顧者創建教育材料的有效性，特別針對弱勢群體。研究比較了三個模型（GPT-3.5 Turbo、GPT-4 和 GPT-4 Turbo）在生成30個癌症護理主題內容的表現，目標是達到六年級的閱讀水平，並提供西班牙語和中文翻譯。 主要發現包括：LLMs整體表現良好，74.2%符合字數限制，平均質量分數為8.933，但只有41.1%達到所需閱讀水平。翻譯準確率高，西班牙語96.7%、中文81.1%。常見問題有範圍模糊和缺乏可行建議。GPT-4表現優於GPT-3.5 Turbo，使用項目符號提示效果更佳。 結論指出，LLMs在創建可及的教育資源方面潛力大，但需改善閱讀水平和內容全面性，未來研究應結合專家意見和更好數據以提升有效性。 PubMed DOI

這項研究探討AI生成的健康資訊與CDC提供的資訊差異，重點在情感、可讀性和品質。透過語言期待理論，分析了不同來源內容對可信度的影響。比較了CDC和ChatGPT 3.5各20條資訊，並進行品質評估。 主要發現包括： 1. **情感**：ChatGPT的內容較多負面情感，常出現憤怒、悲傷和厭惡的詞彙。 2. **可讀性**：CDC的訊息更易讀，ChatGPT則需較高閱讀年級。 3. **品質**：CDC的資訊在品質評估中得分較高，顯示更可靠。 研究強調公共衛生專業人員需教育大眾理解AI生成健康資訊的複雜性，並建議健康素養計畫應涵蓋這類內容的品質與可讀性討論。 PubMed DOI

慢性病是全球主要死因，LLMs（像ChatGPT）在管理慢性病上有潛力，能提供準確、易懂的健康建議，幫助病人自我管理和獲得支持。專業型LLMs表現更好，但目前證據有限，還有隱私、語言和診斷等挑戰。臨床應用還在初期，未來需加強資料安全、專業化和與穿戴裝置整合。 PubMed DOI

生成式AI（像ChatGPT）能大幅提升健康經濟與療效研究（HEOR）效率，協助自動化文獻回顧、資料擷取和報告撰寫。健康經濟學家應學習相關工具和技術，但要注意資料安全、偏誤和倫理問題。導入AI時，需兼顧創新、科學嚴謹與倫理，並公開方法細節，確保風險可控。 PubMed DOI

這篇研究發現，大型語言模型（LLMs）能自動化文獻篩選和資訊擷取，顯著提升數位健康科技（DHTs）相關隨機對照試驗（RCTs）文獻回顧的效率。不過，DHT在實際醫療應用上還有待克服一些挑戰。 PubMed

SDoH-GPT 是一套新方法，結合大型語言模型、少量範例學習和 XGBoost 分類器，能自動從醫療紀錄擷取健康社會決定因素。這大幅減少人工標註，省時又省錢，準確度也很高（Cohen’s kappa 0.92、AUROC 超過 0.90），已在三個資料集驗證，讓醫療界更容易運用 SDoH 資料。 PubMed DOI