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

精準醫療雖然帶來健康上的好處，但也面臨數據管理複雜、跨領域合作需求及專業人員教育等挑戰。為了解決這些問題，整合各領域專家知識至關重要，尤其是計算專家與醫療人員的合作。大型語言模型如GPT-4和Claude 3的出現，讓非專業人士也能接觸複雜數據。斯坦福數據海洋（SDO）透過可擴展的雲端平台，提供AI導師和數據可視化工具，促進教育與研究，特別支持經濟弱勢及邊緣化社群，提升生物醫學研究的跨學科合作。 PubMed DOI

這項研究強調在醫療照護中評估健康社會決定因素（SDoH）的重要性，以改善病患照護並縮小健康差距。研究探討了電子健康紀錄（EHRs）中SDoH數據不足的挑戰，主要因為缺乏標準化的診斷代碼。研究團隊使用大型語言模型（如BERT和RoBERTa）來分類無家可歸、食物不安全和家庭暴力等SDoH概念，並創建合成訓練數據集。結果顯示，這些模型能有效提取SDoH資訊，幫助醫療提供者識別高風險病患，進而實施針對性干預，支持減少健康差距的努力。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在識別孕婦臨床筆記中的住房不安全性方面的效果。主要發現顯示，GPT-4在識別住房不穩定案例上表現優於GPT-3.5，回憶率達0.924，超過人類抽取者的0.702。雖然GPT-4的精確度低於人類，但在去識別筆記中略有提升。研究建議，雖然手動抽取準確性較高，LLMs如GPT-4提供了可擴展且具成本效益的選擇，適合半自動化抽取，但仍需人類審查以避免錯誤解釋。 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

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