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

機器學習，特別是大型語言模型（LLMs），越來越受到重視，能協助健康研究中的系統性回顧（SR）。研究團隊在多個資料庫中搜尋，自2021年4月以來共找到8,054個結果，並手動補充33篇，最終納入37篇專注於LLM應用的文章。分析顯示，LLMs在SR的13個步驟中使用了10個，最常見的應用為文獻搜尋、研究選擇和數據提取。雖然LLMs顯示潛力，但許多應用尚未經過驗證，顯示出這一領域的研究需求日益增加。 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

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

這項研究開發了一個用大型語言模型打造的聊天機器人，專門幫助年長者練習正念。研究先讓15位年長者用一般正念App，收集他們對語音、個性、互動性和操作便利的意見，再用這些回饋微調ChatGPT，設計出AI正念教練，並邀請年長者參與評估。 PubMed DOI