隨著全球老年人口增加，對護理服務的需求也隨之上升，這使得有效評估非正式照顧者變得更加重要。本研究探討大型語言模型（LLM）在識別過度負擔的非正式照顧者的有效性，並與傳統方法進行比較。研究分析了1,791名來自台灣南部的非正式照顧者的文本案例，結果顯示LLM的表現優於傳統方法，AUROC達0.84，AUPRC達0.70，分別提高了8%和14%。LLM的解釋能力也與專家評估相符，顯示其在長期照護領域的潛力，未來可望成為重要的評估工具。 PubMed DOI

這項研究探討了PDC30聊天機器人的開發與評估，這是一個專為失智症照顧者設計的生成式AI工具。它基於GPT-4o模型，提供根據《30天正向失智症照顧指南》的建議。與其他聊天機器人相比，PDC30在情感情境中提供了更具幫助性的回應。 在兩週的試用中，21位家庭照顧者覺得PDC30使用友好，建議易懂且有幫助，並表示高度滿意，願意推薦給他人。反饋分析顯示出有幫助性、可及性及對AI的正面態度轉變。整體而言，研究建議對話式AI能有效增強失智症照顧者的支持。 PubMed DOI

這項研究顯示客製化的大型語言模型（LLMs）在提升談話治療，特別是癡呆症護理中的潛力。研究團隊利用QLoRA方法，在A40 GPU上微調五個開源LLM，創造出針對心理健康的解決方案。他們生成了10,000個模擬的諮詢師與病人互動問答，涵蓋憂鬱症和焦慮症等問題。微調後的模型在心理健康論壇和Quora的測試中表現優異，最佳模型「Mixtral-8×7B-v0.1-qlora」得分7.83，顯示出顯著改善，強調了微調LLMs在心理健康治療中的有效性。 PubMed DOI

這項研究針對阿茲海默症及相關癡呆症的公共健康挑戰，提出利用人工智慧（AI）代理人模擬癡呆症患者及其照顧者的日常互動。研究使用ChatGPT（GPT-4）創建能重現現實互動的AI代理人，並開發強化學習框架來優化個性化輔助策略。結果顯示，這些AI介入者在多種情境下表現優於傳統介入者，顯示AI在提升癡呆症照護的潛力。未來研究應整合更複雜的情境和真實數據，以進一步改善模擬準確性，並提升患者及照顧者的生活品質。 PubMed DOI

這項研究評估了ChatGPT-4在解答阿茲海默症相關問題的有效性，指出AI在臨床初步資訊收集中的應用逐漸增加，但也對其準確性和可靠性表示擔憂。研究使用DISCERN和AGREE II評分框架，由兩位神經科醫生盲評ChatGPT-4的回答，結果顯示其準確性中等，AGREE平均分為2.27/7，DISCERN為2.14/5。雖然ChatGPT-4在神經學資訊上有潛力，但醫療專業人員應謹慎使用，並強調公眾需了解AI的限制與適當應用。 PubMed DOI

這項研究分析了與失智症患者家庭照顧者相關的推文，透過主題建模識別他們的關注點。研究人員結合對數加權和均衡分佈集中（BDC）加權，使用狄利克雷多項式混合（DMM）模型，從224,862條推文中提取主題。經過質量控制後，發現Log-BDC DMM變體的表現最佳，平均一致性分數達0.5648。最終識別出10個語義主題，並利用GPT-4進行解釋，顯示該模型在提取有意義見解方面的能力，為失智症患者家庭照顧者提供了重要支持。 PubMed DOI

這項研究評估了兩個大型語言模型（LLMs），ChatGPT 和 Llama2，在提取與認知測試相關的臨床筆記資訊的表現。研究使用了765份臨床筆記，結果顯示ChatGPT在提取迷你心理狀態檢查（MMSE）和認知癡呆評分（CDR）方面的準確率均優於Llama2。特別是在MMSE的準確率上，ChatGPT達83%，而Llama2僅66.4%。此外，ChatGPT在敏感性和真陰性率上也表現更佳。研究強調了大型語言模型在癡呆研究中的潛力及其評估的重要性。 PubMed DOI

癡呆症的診斷在全球醫療中面臨挑戰，主要因為其複雜性及電子健康紀錄的不一致性。傳統診斷方法可能會漏掉或錯誤識別病例，因此需要改進工具。本研究探討人工智慧（AI）及大型語言模型（LLMs）在提升癡呆症檢測的潛力。研究結果顯示，使用GPT-4的患者紀錄聚合方法達到最高準確率0.86，顯示大型語言模型能顯著改善癡呆症診斷的準確性，優於傳統方法。 PubMed DOI

這篇研究介紹了 AD-AutoGPT，一款能自動蒐集、分析主流新聞中阿茲海默症相關資訊的 AI 工具。它會根據使用者需求，辨識趨勢和關鍵字，協助掌握阿茲海默症的公共討論動態，展現 AI 在公共衛生研究上的應用潛力。詳細內容可參考 GitHub 專案頁面。 PubMed DOI

這項研究分析近7,000則南韓癌症社群貼文，發現年長癌症患者及照顧者常有焦慮、憂鬱，尤其化療和睡眠問題最影響情緒。研究整理出七大主題，像是治療選擇和家庭壓力，提醒照護時要兼顧身心需求。未來可用大型語言模型深入分析，但也要注意資料倫理。 PubMed DOI