我最近幾年，運用生成式 AI 做醫學教育的研究，我覺得好像都在做發展機器人的研究。發展這類機器人大概可以分成幾個主要面向：
1. 提升學生或臨床人員的學習能力與效能
(a) 包含基礎知識的建構。
(b) 臨床執業所需的必要知識。
2. 在應用端提升臨床技能與效能
(a) 透過生成式 AI 提供教學回饋並讓他們練習。
(b) 讓使用者可以跟 ChatGPT 或 Gemini 學習基本知識與臨床技能。
2026年3月8日 星期日
發展機器人--這是我的研究主題/主軸嗎？
2026年2月21日 星期六
（研究/教學）構想/創意生成器
於生成式AI提出想法，請她修飾。
可請她補充相關文獻/想法後，再修飾。
彙整/確認後再輸出/分享。
以「醫病溝通之告知壞消息」之研究與教學計畫為例：
1. 與AI互動/腦力激盪
2. NotebookLM彙整與輸出（PPT與video）
。
2026年2月14日 星期六
以 NotebookLM 建立評估工具評析：應用COSMIN checklist
以「反應性」之評析為例，上傳COSMIN checklist以及反應性相關資訊（如圖示打勾）與擬評論之論文(Comparison of responsiveness…)，提示詞已建置於上傳來源（反應性論文彙整(任務1)與評析(2)）。完整提示詞如下：
任務1:請彙整論文中有關[反應性/responsiveness]之概念說明、研究設計、資料分析、結果與討論章節之解釋(含結論)。
任務2:請依據 COSMIN [反應性/responsiveness]之checklist評析論文，請列出評析項目、評析結果、舉證說明、最後依據COSMIN相關共識，以提出改善建議。
故使用者只需於「對話視窗」輸入：請執行任務1 （或請執行任務2）即可！！
後續應用：
可再上傳其它擬評析之論文，即可繼續執行任務1與2。
（已評析完成之論文可「刪除」或「不勾選」）
2026年2月10日 星期二
如何使用生成式AI 輔助 評論 & 發展工具
以評論言，先評論「內容效度」、再評論「信度」、「效度」、與「反應性」。
若應用 COSMIN，則已有相關檢核表！可自行應用/評論現有工具。也就可以應用生成式AI協助評論，甚至彙整！！
以發展言，先建立「內容效度」、再建立「信度」、「效度」、與「反應性」，必要時改版！！
若應用 COSMIN，則已有相關研究設計檢核表！可自行應用/發展工具。也就可以應用生成式AI協助「應用COSMIN研究設計」發展工具，甚至測試一部份心理計量特性（如內容效度）！！
Note: 建立詞彙與定義 (glossary/definition)，含中英文。
An ultimate case study for why AI won’t replace human workers
CNN "This job has become the ultimate case study for why AI won’t replace human workers"
Gemini 的彙整:
從「被取代」到「更被需要」
十年前，人工智慧教父 Geoffrey Hinton 曾驚言「現在應該停止培訓放射科醫生」，預言 AI 將在 5 到 10 年內全面接管。然而到了 2026 年，現狀卻恰恰相反：
預測失準： Hinton 承認當時的看法過於寬泛。放射科醫生不但沒失業，需求反而與日俱增。
數據支持： 根據美國勞工統計局（BLS）預測，2024 年至 2034 年放射科就業增長率為 5%，高於所有職業平均水平的 3%。
數位優勢： 放射科是醫學界數位化最徹底的領域（X光、CT、MRI 均為二進位數據），這使其成為 AI 訓練的最佳溫床。
AI 目前在放射科扮演的角色
與其說是取代醫生，AI 目前更像是醫生的「第二雙眼睛」或「效率增強器」：
| 功能類別 | 具體應用說明 |
| 工作流優化 | 自動識別急需關注的異常掃描影像，協助醫生進行優先級排序（Triage）。 |
| 影像強化 | 在 MRI 掃描中使用更少的測量數據生成高畫質影像，縮短病人受檢時間。 |
| 數據處理 | 協助總結報告、測量腫瘤體積，並從海量歷史數據中分析模式。 |
| 法規核准 | 目前 FDA 核准的 1,357 件人工智慧醫療設備中，放射科佔了 1,041 件。 |
潛在風險與警訊
儘管前景樂觀，專家仍提醒不可過度依賴 AI，並指出幾個關鍵問題：
種族偏見： 2022 年麻省理工學院（MIT）的一項研究發現，AI 能精確地從 X 光片中預測病人的種族，而人類醫生卻做不到。這引發了診斷過程中可能出現自動化偏見的擔憂。
過度依賴： 醫生擔心醫療機構為了節省成本，可能嘗試用非專科醫生配合 AI 來取代昂貴的放射科專科醫生，這在處理癌症或致命感染時極具風險。
專家的必要性： 演算法的優異表現，建立在「輸出結果由專家審核」的基礎上。
核心總結： 放射科證明了 AI 的強項在於處理規律、大量且重複的數據分析，但診斷決策、物理檢查與病患溝通仍需人類專家的溫度與判斷。
2026年1月26日 星期一
2025 年年度報告之三--以生成式AI建置虛擬病人資料庫
虛擬病人資料庫之建置方法，皆以 ChatGPT 之 My GPTs 發展，已開放試用。
＊已發展虛擬病人之診斷類型--中風、思覺失調。
另有自閉症兒童家長以及一般人（簽署DNR說明）
＊臨床任務包含巴氏量表評估（已發展約6位虛擬病人，以訓練學員/釐清評估概念為主）、FIFE訪談（約12位虛擬病人；訪談逐字稿已具備超過30份；以訓練學員 FIFE訪談為主）；思覺失調診斷性會談逐字稿15份；以訓練住院醫師診斷性會談為主）
＊發展方法--以模擬真實病人/一般人為主（訪談後，以學員訪談逐字稿與資本資料為模擬變項依據）。後續輔之以專家＋生成AI產生更多逐字稿與虛擬病人，以補足病人/訪談之多樣性與完整性（補充病人特質與對話/任務內容）。
＊後續任務：驗證虛擬病人表現、發展更多更完整的虛擬病人（以症狀完整度為主）。發展驗證/修改SOP以確保虛擬病人之基本表現
＊應用價值：教學與研究使用；含教學示範、學員練習、提供形成型與總結型評量。
2026年1月25日 星期日
2025 年年度報告之二--主要代表著作
溝通技巧介入與評估：
Chen TT, Huang YJ, Chen CR, Hsu CW, Huang SL, Hsieh CL. Effects of Feedback and Reflection on Communication Skills Training for Occupational Therapy Students. Am J Occup Ther. 2025;79(4):7904205060. （這是臨床技能介入的主要研究成果之一；在2024年完成稿件）
Ju YJ, Wang YC, Lee SC, Liu CH, Lee ML, Hou CY, Yang CW, Hsieh CL. Development and validation of a GPT-based rater for assessing communication skills using the Gap-Kalamazoo Communication Skills Assessment Form. Med Teach. 2026;48(1):93-104. （這是 ChatGPT應用於臨床技能的主要研究成果之一；在2024年完成稿件）
訂閱：
意見 (Atom)