這篇回顧探討「醫療沙漠」的問題，並分析人工智慧（AI）如何改善這些地區的醫療可及性與品質。重點包括： 1. **AI遠距醫療**：克服語言和文化障礙，提升醫療服務可及性。 2. **診斷輔助**：在專家不足時，LLMs可提供診斷支持，改善病患治療結果。 3. **AI聊天機器人**：提供初步醫療建議，成為偏遠地區病患的聯絡點。 4. **醫療教育**：增強資源不足地區醫療工作者的培訓。 5. **數據分析**：有效分配資源，識別醫療服務缺口。 總結指出，AI在縮小醫療差距上具潛力，但需持續研究與發展。 PubMed DOI

盲人使用應用程式時，常需記住各種快捷鍵和導航方式，這讓他們感到困擾。為了解決這個問題，我們推出了Savant，一種創新的輔助技術，利用大型語言模型（LLMs），讓盲人用螢幕閱讀器能以自然語言與任何應用程式互動。Savant能根據用戶指令自動化重複任務，提升互動靈活性，無需精確指定控制元件名稱。針對11位盲人參與者的研究顯示，Savant在互動效率和可用性上明顯優於現有方法。 PubMed DOI

NaviGPT是一個創新的導航系統，專為視覺障礙者設計，結合了LiDAR障礙物檢測、震動反饋和大型語言模型（LLMs）。與傳統解決方案需切換多個應用不同，NaviGPT提供即時的環境資訊，簡化使用者體驗，讓導航更有效率和直觀。此外，透過位置和感測器數據，NaviGPT能解決回應延遲問題，確保在各種環境中提供即時支援。 PubMed DOI

現代大型語言模型（LLMs）引起了廣泛關注，展現出驚人的能力，但有時也會出錯，顯示出人工智慧在日常生活中的潛力與挑戰。雖然許多研究致力於改善這些模型，但人類與LLM的合作動態仍待深入探討。本文強調未來研究應優先考慮人類與LLM的互動，並指出可能妨礙合作的偏見，提出解決方案，並概述促進相互理解及提升團隊表現的研究目標，以改善推理與決策過程。 PubMed DOI

這項研究探討大型語言模型（LLMs）如何協助輔助科技（AT）從業人員為有障礙的個體選擇合適產品。研究利用Keplo這個AI平台，分析亞馬遜上的顧客評論，評估三款主流產品和三種輔助科技。分析提供了使用者人口統計、使用模式、優缺點及設計改進建議。結果顯示，LLMs能有效提取有價值的見解，幫助AT從業人員做出明智推薦，但也強調了LLM分析的局限性，從業人員需批判性評估顧客評論以確保相關性。 PubMed DOI

近年來，人工智慧（AI）技術，特別是大型語言模型（LLMs）的進步，對傳統醫療實踐有著顯著影響，能提升醫療效率與品質。在眼科領域，LLMs 可協助醫生診斷眼疾、優化治療建議、簡化醫療紀錄撰寫，並提供教育支持。然而，LLMs 在臨床應用中仍面臨挑戰，如知識基礎限制、AI 幻覺現象，以及數據隱私問題。未來的研究將對克服這些挑戰並發揮 LLMs 的潛力至關重要。 PubMed DOI

這篇文件探討擴增實境（XR）的快速發展，並強調大型語言模型（LLMs）整合進XR系統的潛力。它提出三個主要支柱：感知與情境意識、知識建模與推理，以及視覺化與互動。這種整合在神經康復、安全訓練和建築設計等領域具有顯著好處，同時也需考量隱私、透明度和包容性等倫理問題。文件鼓勵進一步研究，目的是創造更智能且以使用者為中心的XR系統。 PubMed DOI

這項研究探討人類與大型語言模型（LLMs）合作對腦部MRI掃描診斷準確性和效率的影響。研究中，六名放射科住院醫師評估40個挑戰性MRI案例，分別使用傳統網路搜尋和LLM輔助搜尋。結果顯示，LLM輔助的診斷準確率為61.4%，高於傳統的46.5%，且差異具統計意義。不過，解讀時間和信心水平未見變化。研究指出的挑戰包括案例描述不準確、LLM的幻覺現象及上下文不足。雖然LLM能提升診斷準確性，但仍需進一步研究以優化人類與LLM的合作。 PubMed DOI

心理健康服務的可及性是全球性議題，需求日益增加。對話式人工智慧（AI）被視為潛在解決方案，但建立可靠的虛擬治療師仍具挑戰。本研究探討將AI整合進虛擬實境（VR）自我對話的優缺點，重點在用戶體驗及AI在自我反思和問題解決中的角色。經過兩年半的開發，我們進行了為期三個月的質性研究，結果顯示AI能改善參與者的思維過程，增強自我反思能力，並提升心理諮詢的效果。 PubMed DOI

這項研究發現，ChatGPT-4o在幫助視障者導航時，表現中等，特別是只靠自己描述場景時更明顯。若用人工撰寫的描述，準確度會提升。經過調整的提示語能減少錯誤，但整體還是比不上人類。未來若針對視障者需求訓練AI，有望讓導航協助更精準。 PubMed DOI