強調解決社會健康決定因素的重要性，特別是在COVID-19大流行時，以改善健康結果、減少健康不平等。討論數位健康和人工智慧在應對社會健康決定因素、增強疾病監測和病人照護的角色，如LLMs。提及數據標準化、基礎設施限制、數位素養和演算法偏見等挑戰，可能影響AI好處的公平獲取。建議採取多層次的數位包容作為社會健康決定因素的一部分，並全球性需要倫理AI框架，確保負責任的AI實踐。提出建議，彌合公平AI技術開發和實施之間的差距。 PubMed DOI

GenAI LLMs，如ChatGPT，有潛力在醫療保健領域帶來重大影響。研究指出，這些技術可改善醫療服務效率，但也需面對道德及安全挑戰。未來應該加強研究，專注於實證或臨床領域，以推動這些技術在醫療保健中的應用。 PubMed DOI

總結來說，像ChatGPT這樣的AI系統快速發展正在改變醫療保健和醫患關係。醫護人員需增強道德警覺，以因應技術帶來的風險和機會。他們需學習新技能，善用數位工具，同時保持專業知識和批判思維。本文探討如何在醫療中道德整合AI，確保提供優質服務。 PubMed DOI

這篇論文探討如何透過科技實現「資訊民主化」，特別是生成式人工智慧（GenAI）在心理健康領域的應用。它回顧了資訊獲取的歷史變遷，指出GenAI技術的出現為心理健康資源提供了更好的獲取途徑，並可能改變醫療提供者與病人之間的關係。不過，將GenAI整合進心理健康領域也帶來了倫理問題和風險。論文提出了一個策略性問卷，評估AI應用的好處與風險，並主張心理健康專業人員應參與技術開發，以確保GenAI的進展既有效又符合倫理，並以病人需求為中心。 PubMed DOI

這篇文獻回顧探討了人工智慧（AI）在醫療溝通中的應用，特別是大型語言模型（如ChatGPT）的整合。文中指出，AI能改善病患與醫生的互動，克服語言障礙，並提供同理心的回應。研究顯示，AI在提供清晰準確資訊方面表現優異，甚至有時超越人類醫生。不過，AI生成內容的不準確性和「幻覺」問題仍需解決，這需要持續改進演算法。文章強調AI在健康溝通中的潛力，並呼籲進一步研究與政策發展，以應對相關風險。 PubMed DOI

人工智慧（AI）在健康溝通系統中的應用，顯著改變了公共衛生管理，尤其在緊急情況下，能透過數位渠道有效接觸大眾。本文探討通用對話式人工智慧（CAI）的角色，強調其在健康訊息傳遞中的潛力，特別是透過AI驅動的訊息平台提供個性化的健康介入。針對COVID-19疫情的案例研究顯示CAI在健康信息傳播上的有效性。我們建議公共衛生機構與AI技術合作，同時解決偏見、錯誤信息及隱私等挑戰，展望未來CAI將提升健康溝通的可靠性。 PubMed DOI

生成式人工智慧（AI）如ChatGPT，正在改變醫療保健，特別是在病人教育和醫師關係上。這篇回顧探討了生成式AI的雙重影響，包括提升病人對醫療問題的理解、鼓勵自我照護及協助醫療決策的潛力。然而，也存在風險，如病人與醫師之間信任下降及錯誤資訊的散播。研究顯示，生成式AI能提升病人的健康素養，使醫療資訊更易理解。未來需謹慎整合AI工具，確保增強醫師的個人化照護，並解決倫理問題，以維護病人照護品質。 PubMed DOI

當前社會對科學的信任度下降，公民參與也減少，這可能影響公共健康和健康公平的研究。為了應對這些挑戰，社區為中心的公民科學應用可以提升公眾參與，並成為AI探索的重要領域。我們探討了幾個有潛力的AI應用，如對話式大型語言模型和數據分析工具，這些都能惠及社區。不過，AI在社區研究中的使用也帶來風險，我們也討論了如何減輕這些技術可能引發的倫理和社會挑戰。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4o，在公共衛生文件分析中的應用，像是社區健康改善計畫。研究比較了GPT-4o的半自動化輸出與人類分析師的表現。 主要發現包括： 1. **準確性**：GPT-4o的抽象準確率為79%，錯誤17次；人類分析師則為94%，錯誤8次。數據綜合方面，GPT-4o準確率僅50%，錯誤9次。 2. **時間效率**：GPT-4o在數據抽象上耗時較少，但考慮到提示工程和修正錯誤，實際節省不明顯。 3. **謹慎態度**：建議公共衛生專業人員謹慎使用生成式AI，權衡資源節省與準確性問題。 總之，GPT-4o在公共衛生內容分析上有潛力，但需注意其限制。 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