五重目標旨在透過解決社會健康決定因素（SDOHs）來改善醫療保健，但傳統方法效果有限。新技術如ChatGPT可幫助醫護人員連結患者與資源，減少健康不平等造成的損失。本評論討論了在費城使用ChatGPT為患者提供SDOH管理建議的情況，並提出未來整合人工智慧到電子病歷以提供即時SDOH建議的建議。 PubMed DOI

這項研究評估了生成式人工智慧模型在預測小兒急診病人緊急嚴重指數（ESI）等級的表現，發現幾個關鍵見解： 1. **模型表現**：Claude-3 Opus 在未經訓練的模型中表現最佳，敏感度80.6%、特異度91.3%。 2. **微調影響**：微調後的 GPT-4.0 顯示顯著改善，敏感度77.1%、特異度92.5%。 3. **可靠性評估**：Claude-3 Opus 的一致性最高（κ: 0.85），顯示出強烈的評分者間可靠性。 4. **統計分析**：微調前後的比較顯示 GPT 模型有顯著改善。 5. **結論**：生成式人工智慧模型能準確預測小兒 ESI 等級，微調後表現更佳，成為急診分診的有價值工具。 PubMed DOI

改善重症監護病房（ICU）中文化少數群體病患及其家屬的溝通非常重要，因為語言障礙可能影響病患安全和家庭參與。目前的翻譯工具如Google Translate和ChatGPT在醫學術語上仍有不足。因此，開發專門針對醫療情境的翻譯工具是必要的，能增強語言少數群體獲得醫療服務的機會。 目前尚無專為ICU設計的AI翻譯應用程式，解決病患隱私和數據保密問題也很重要。針對ICU的人工智慧翻譯工具（AITIC）能提供快速準確的即時翻譯，改善溝通並提升護理品質。 PubMed DOI

人工智慧（AI）在醫療保健的應用已經顯著改變了診斷和治療方式，特別是在資源不足的環境中，能有效縮小醫療差距。不過，為了在這些地方負責任地實施AI，必須考量當地需求及公平醫療的挑戰。研究指出成功實施AI的四大關鍵：基礎設施需求、部署與數據管理、教育與訓練，以及負責任的AI實踐。透過這些領域的專注，能促進AI的可持續整合，提升醫療服務的可及性。 PubMed DOI

SBDH-Reader是一個創新的工具，利用大型語言模型從醫療筆記中提取社會和行為健康決定因素（SBDH）數據。這個工具基於7,225份MIMIC-III數據庫的醫療筆記訓練，並在UT Southwestern Medical Center的971份病人筆記上測試，專注於就業、住房、婚姻關係和物質使用等六個類別。性能指標顯示，SBDH-Reader在各類別中取得了0.85到0.98的宏觀平均F1分數，特別是在識別不良屬性方面表現優異。總體而言，這個工具能有效提升臨床研究和病人照護的數據提取能力。 PubMed DOI

這項研究發現，心肌梗塞患者及家屬使用 iflyhealth AI 健康紀錄 App 時，覺得個人化資訊和即時建議很有幫助，但常遇到操作困難、數位素養不足和隱私疑慮。沒用過的人多半覺得介面太複雜或跟自己無關。iflyhealth 有助於復原，但還需改善易用性和隱私問題，才能吸引更多人使用。 PubMed DOI

AI在醫療上雖能提升治療效果，但也常因資料不夠多元、邊緣族群代表性不足而產生偏見和不平等。為了確保公平，需用多元資料、修正偏見，並讓團隊更包容，同時推動公平審查、透明流程及國際合作，才能打造真正公平的醫療AI。 PubMed DOI

這項研究介紹Sora這款文字轉影片AI，專為住院兒童打造個人化影片，像是用泰迪熊示範醫療器材或製作糖尿病教育動畫。Sora能減輕孩子焦慮、提升情緒，是首個應用於兒童治療性遊戲的AI，展現提升小病患舒適度和參與度的潛力。 PubMed DOI

這篇研究針對電子病歷中難以提取健康社會決定因素（SDoH）問題，從四家醫院建立標註資料集，涵蓋21種SDoH，並用多種模型（包含大型語言模型）進行偵測。經過指令微調的LLMs表現最佳，F1值都很高，但模型跨醫院應用仍有困難。訓練好的模型已公開在GitHub。 PubMed DOI

SDoH-GPT 是一套新方法，結合大型語言模型、少量範例學習和 XGBoost 分類器，能自動從醫療紀錄擷取健康社會決定因素。這大幅減少人工標註，省時又省錢，準確度也很高（Cohen’s kappa 0.92、AUROC 超過 0.90），已在三個資料集驗證，讓醫療界更容易運用 SDoH 資料。 PubMed DOI