原始文章

這項研究探討了先進的自然語言處理技術如何改善食物分類和飲食分析，使用來自飲食追蹤應用的原始文本。研究分為數據收集、框架開發和應用三個階段，參與者透過 myCircadianClock 應用記錄餐點。研究人員創建了 NutriRAG 框架，結合大型語言模型如 GPT-4，提升了食物分類的準確性。結果顯示，參與者在不同飲食模式下的飲食行為有顯著變化，顯示出 NutriRAG 在個性化營養和健康問題解決上的潛力，並建議進一步研究。 PubMed DOI ♡

站上相關主題文章列表

傳統的飲食評估方式可能不夠客觀且耗時，但現在有人工智慧（AI）解決方案可以自動化這個過程。這項研究使用GPT-4V模型驅動ChatGPT進行飲食評估，表現出在檢測食物和識別菜餚方面的潛力。這個方法不需要特定訓練數據，並且可以根據上下文提示來估計食物份量，提高評估的準確性。 PubMed DOI

這項研究探討了使用ChatGPT-4協助腎臟營養師為透析病人制定個人化餐飲計畫。透過模擬虛擬病人，ChatGPT生成了一日菜單，包含五道食譜。腎臟營養師評估後發現，ChatGPT的營養分析顯著低估了多種關鍵營養素，像是熱量低估36%、蛋白質低估28%等。雖然ChatGPT在提供個人化營養指導上有潛力，但研究強調其營養分析需改進，並需在醫療情境中進行嚴格評估。 PubMed DOI

這篇論文探討了大型語言模型（LLMs）在營養與飲食應用中的表現，特別是針對註冊營養師（RD）考試的1050道問題。研究比較了GPT-4o、Claude 3.5 Sonnet和Gemini 1.5 Pro的準確性與一致性，並分析了不同提示技術的效果。結果顯示，GPT-4o在使用帶自我一致性的思考鏈（CoT-SC）時表現最佳，而Gemini 1.5 Pro在零提示（ZS）下則展現最高一致性。研究強調選擇合適的LLM和提示策略對減少錯誤風險的重要性。 PubMed DOI

這項研究探討了使用OpenAI的GPT-4o模型透過照片來評估餐點的營養成分，並與稱重食物紀錄及營養師的評估進行比較。結果顯示，該模型在評估能量、脂肪、蛋白質、碳水化合物和鹽的表現普遍不佳，但在纖維含量的評估上卻有顯著優勢，達到0.71的相關係數，超過營養師的0.57。這顯示目前的AI方法雖然能簡化食物紀錄，但在纖維評估上較為可靠，對其他營養成分則不然。 PubMed DOI

這項研究評估了不同大型語言模型（LLMs）和檢索增強生成（RAG）框架在提供慢性腎病（CKD）飲食指導的準確性。研究以2020年國家腎臟基金會的營養指導為基準，測試了四個聊天機器人（GPT-4、Gemini 和 Llama），並使用12個相關提示。結果顯示，Gemini 和 RAG 的準確性最高（中位數4.0），而 GPT-4 和 Llama 較低（中位數2.5和1.5）。研究建議針對特定領域定制LLMs，或利用指導方針增強RAG框架，以提高醫療保健中的準確性。 PubMed DOI

本研究探討ChatGPT-4在評估餐點營養成分的有效性，分析了114張餐點照片。結果顯示，ChatGPT能準確識別93%的食物，對小份量餐點的重量估算一致性良好，但中、大份量則較差。16種營養素中，有10種的估算結果一致性不佳，且多數低估了含量。與七位營養師的評估相比，ChatGPT在食物識別和小份量估算上表現優異，但在中、大份量及營養成分計算上仍需改進。 PubMed DOI

這項研究評估大型語言模型（LLMs）在生成臨床試驗計畫書的有效性。研究人員使用LLM生成不同疾病和試驗階段的計畫書，並根據臨床思維、透明度、醫學術語和內容相關性四個標準進行評估。結果顯示，LLM在內容相關性和術語方面表現良好，但在臨床思維和透明度上則較差。為提升表現，研究人員採用檢索增強生成（RAG）方法，顯著改善了內容質量，提升了臨床思維和透明度的分數。這表明RAG方法能有效提升LLM在臨床試驗文件撰寫的可用性，並可能改變藥物開發過程。 PubMed DOI

ChatGPT 和類似的 AI 工具在臨床營養管理上有潛力，能透過機器學習來識別風險、提供個人化介入方案，並監測病人進展。它在營養評估和計算熱量需求方面表現良好，但無法解讀非語言線索或進行身體檢查。研究顯示，雖然它在臨床指導上表現不錯，但在整合多種醫療狀況和確保餐飲計畫準確性上仍有挑戰。儘管如此，ChatGPT 在專業指導下可成為優化營養教育的有用工具。 PubMed DOI

這項研究評估了GPT-4在回答與營養相關問題時對炎症性腸病（IBD）患者的表現。研究分析了88個問題的回答，結果顯示GPT-4正確回答了73個問題（83%），並對61個問題提供了全面的回應（69%）。雖然在管餵和靜脈營養方面表現良好，但仍有17%的回答包含不正確資訊。儘管如此，GPT-4在一致性上表現出色，對81個問題（92%）提供了一致的回答。研究指出，GPT-4可成為IBD患者的營養指導資源，但需進一步改進以確保準確性。未來應專注於優化語言模型的應用。 PubMed DOI

臨床醫師越來越重視大型語言模型（LLMs）在肥胖服務中的應用，因為它們有助於提升護理的可及性和效率。不過，對於這些模型的科學準確性和同理心表達仍有疑慮。最近研究顯示，ChatGPT-3能有效模仿人類營養師的回應，而比較ChatGPT-4與人類營養師的研究結果顯示，兩者在科學正確性、可理解性、同理心和可行性上表現相似。這些結果顯示，先進的LLMs在肥胖治療中可能提供有價值的支持，但仍需進一步研究其在其他情境中的有效性。 PubMed DOI