可穿戴技術的發展帶來大量感測器數據，促進健康監測和個人化醫療，但也面臨數據複雜性和分析挑戰。近期，大型語言模型（如GPT-4和Llama）成為分析這些數據的新工具。本研究探討了利用這些模型進行人類活動識別的趨勢與挑戰，並分析了數據質量、計算需求、可解釋性及隱私等問題。透過案例研究，顯示LLMs在數據分析中的潛力，並建議未來研究應聚焦於預處理技術和跨學科合作。 PubMed DOI

這段文字探討戰爭期間負面情緒對社會價值觀、心理健康及全球和平的影響，強調理解這些情緒的重要性，以便更好應對衝突中的人類行為。隨著自然語言處理和人工智慧技術的進步，數位治療工具如AI應用程式能提升心理健康服務的可及性，特別是在資源有限的地區。建議結合線上認知行為療法與情感基礎策略，轉化負面情緒，保護心理健康。AI工具如ChatGPT和Google Gemini可協助創造情感共鳴的訊息，提升溝通效果，設計正面影響的干預措施。 PubMed DOI

這項研究探討如何利用大型語言模型（LLMs）為高中生提供個性化建議，以提升他們的福祉和學業表現。研究分析了12名學生的數據，包括Fitbit指標和學校表現，並針對每位學生生成建議。結果顯示，雖然建議通常清晰可行，但與學生個別數據的對應程度有所不同，顯示出改進空間。研究強調了LLMs在個性化支持的潛力，但也需進一步驗證和完善，未來應聚焦於介入研究及解決倫理和數據隱私問題。 PubMed DOI

這份報告探討了將大型語言模型（LLMs）與可穿戴技術結合的初步成果，目的是提供個性化建議，提升學生的福祉與學業表現。我們分析了學生的數據，包括可穿戴設備的指標和學術報告的質性反饋，進行情感分析以評估情緒狀態。研究顯示，LLMs能有效分析文本數據，提供實用見解，幫助了解學生的參與度並找出改進空間，顯示出LLMs在教育上的潛力，能更深入理解學生需求。 PubMed DOI

這項研究指出，結合模擬高海拔缺氧環境、物聯網和AI等數位科技，有助於肥胖者更有效管理體重和健康。透過環境刺激、穿戴裝置和智慧分析，能提供安全又個人化的減重方式，預防復胖並促進健康生活。未來建議持續追蹤長期效果，並發展整合性智慧健康系統，提升肥胖防治成效。 PubMed DOI

本研究開發了一套工具，利用機器學習和大型語言模型，自動從各種非結構化資料中擷取、標準化並分析健康數據，並以互動式介面呈現。這能協助軍事規劃人員在危機應變、生物監測和醫療後勤等方面做出更好決策，進一步強化夥伴國的醫療能力與軍事合作。 PubMed DOI

AI正快速改變醫療和軍事領域，但軍醫教育還沒跟上腳步。教育者要學會安全、合乎倫理地用AI，並和學員一起設計AI課程。學員也要實際操作生成式AI工具，提升學習和未來醫療能力。和產業安全合作、運用雲端和區塊鏈等技術，對AI安全整合很重要。軍醫教育必須盡快納入AI內容，才能因應未來挑戰。 PubMed DOI

數位心理健康已從單純的遠距醫療，發展到結合手機App、VR和生成式AI等新科技。雖然過去遇到不少挑戰，證據也還不夠多，但透過共同設計和嚴謹評估，這領域正持續進步。文章強調，未來需要更多貼近現實的研究，並關注使用者參與和弱勢族群的可近性，讓科技真正幫助更多人。 PubMed DOI

這項研究用機器學習分析職場問卷，提出新特徵選擇法，找出39個關鍵壓力指標，並結合多種模型，準確率超過九成，優於過去研究。方法經多重驗證，對新資料也有效。研究還用1D-CNN和創新資料轉換，讓語言模型能處理問卷資料。結果顯示，壓力和生物醫學因素關聯高，主要壓力來自工作量、溝通和環境。只需問卷即可即時監測職場壓力，實用性高。 PubMed DOI

EntroLLM 是結合 entropy 和大型語言模型嵌入的新方法，用來提升穿戴式裝置資料預測健康風險的準確度。在 NHANES 資料集預測過重時，AUC 從 0.56 提升到 0.64，表現比傳統模型更好，顯示分析複雜健康資料很有潛力。 PubMed