研究使用ChatGPT-4等大型語言模型協助分析醫療研究中的病患訪談資料。結果顯示，ChatGPT-4生成的訪談主題與問卷與人類相似，但速度較快，雖然問題稍嫌不夠精確。建議未來整合LLM與人類調查員，採取更有效的混合方法研究，以更全面了解病患觀點，同時需注意倫理與質性影響。 PubMed DOI

陪伴機器人旨在幫助年長者對抗孤獨感，提供社交和情感支持。然而，年長者對於對話伴侶的期望可能與目前的科技和其他年齡群體有所不同。讓年長者參與這些機器人的開發是至關重要的。最近大型語言模型的進步顯示了滿足這些期望的潛力。一項涉及28名年長者的研究展示了在一個陪伴機器人中使用大型語言模型，揭示了期望，如積極參與對話、記憶過去互動、保護隱私、提供資訊和提醒、促進社交聯繫以及表達同理心。該研究提供了設計針對年長者的對話陪伴機器人的建議，使用基礎模型如大型語言模型，這也可應用在其他領域。 PubMed DOI

這篇論文探討大型語言模型（LLMs），如ChatGPT，在癡呆症護理和研究中的應用潛力。文章介紹了LLMs的特性、能力與限制，並討論其在護理中的實際考量，例如透過手機應用程式使用。LLMs可增進對癡呆症的理解、診斷和治療，透過有意義的對話和個性化支持來改善病人護理。 LLMs的好處包括提升社交互動、改善認知功能和情緒福祉，並減輕照護者負擔。不過，部署LLMs也引發隱私和倫理等問題。問卷調查顯示，癡呆症患者及支持者對使用LLMs的看法普遍正面，但仍擔心偏見和數據隱私。總體而言，這篇評論強調了LLMs在癡呆症護理中的潛力，並呼籲進一步研究。 PubMed DOI

這份研究計畫是針對自然語言處理（NLP）技術的系統性回顧，特別聚焦於健康社會決定因素（SDOH）的相關研究。計畫將分析2014至2024年間的研究，並透過三位評審獨立篩選資料，以降低偏見。目的是突顯現有研究、找出知識空白，並提出未來研究方向，進而提升NLP在SDOH的應用，改善不同族群的健康結果。預計2025年初提交同行評審，篩選工作已於2024年12月開始。 PubMed DOI

大型語言模型（LLMs）在臨床實踐中有潛力提升病人教育與賦權，提供更個人化的醫療服務。然而，目前對其在病人照護中的應用資訊仍不夠完整。本系統性回顧分析了2022至2023年間的89項相關研究，主要集中於GPT-3.5和GPT-4，應用於回答醫療問題、生成病人資訊等。研究指出設計和輸出方面的限制，包括缺乏針對醫療的優化及數據透明度等問題。此回顧為LLMs在醫療環境中的應用與評估提供了基礎框架。 PubMed DOI

大型語言模型（LLMs）如BERT和GPT的發展，推進了自然語言處理，特別是在心理健康支持方面。不過，這些模型在提供可靠的心理健康資訊上仍有疑慮。本次回顧將探討影響LLMs可信度的因素，重點在可靠性、可解釋性和倫理考量。 根據PRISMA-ScR指導原則，回顧將納入2019至2024年期間的相關研究，並由兩位獨立審查者進行數據篩選。系統性搜尋已完成，篩選階段進行中，數據提取預計在2024年11月初完成，綜合分析則在11月底前完成，結果將為實務工作者和政策制定者提供重要見解。 PubMed DOI

這項系統性回顧分析了137篇經過同行評審的研究，探討生成式人工智慧聊天機器人在健康建議上的表現。結果顯示，研究報告標準差異大，主要集中在外科、醫學和基層醫療。大部分研究針對治療、診斷或疾病預防，但幾乎全數（99.3%）使用的都是無法訪問的封閉源碼大型語言模型，且對其特徵描述不足。此外，多數研究未提及提示工程，只有少數討論倫理、法規及病人安全。這些結果顯示需改善報告標準，建議開發聊天機器人評估報告工具（CHART），以提升臨床評估與整合的效果。 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

肌肉骨骼疾病（MSDs）是全球重要的健康議題，帶來嚴重的殘疾與社會經濟挑戰。隨著人工智慧（AI）技術的發展，特別是大型語言模型的聊天機器人，為MSD的管理提供了新機會。然而，目前尚缺乏針對這些AI聊天機器人應用的全面研究。 本次回顧將探討AI聊天機器人在MSD管理中的現有與潛在應用，並遵循系統性回顧的指導方針，進行多數據庫的徹底搜尋。研究將納入成人MSD相關的研究，並專注於數據提取與分析，結果將透過專業網絡與期刊分享。 PubMed DOI

隨著全球人口老化，長期及急性後期照護系統面臨重大挑戰，特別是在提供老年人優質照護方面。健康資訊科技被視為解決方案，但在LTPAC環境中整合科技仍有許多障礙。2024年6月的國際老年人照護創新與科技高峰會中，47位專家進行了研究，透過討論小組收集質性數據，並使用人為編碼和AI分析。結果顯示科技障礙、倫理考量及病人中心照護的重要性。這項研究強調了持續探索科技在老年人照護中的應用及改善照護品質的必要性。 PubMed DOI