MBI 團隊在以數位表徵與大型語言模型於憂鬱症精準醫學的應用
隨著數位醫療技術的快速發展，結合數位表徵與大型語言模型（Large Language Models, LLMs）的精準醫療應用逐漸展現出其革新潛力，特別是在憂鬱症的診斷與治療中。憂鬱症作為全球主要的健康挑戰之一，迫切需要創新解決方案以提升現有治療的效率與效果。蘇冠賓教授及其領導的身心介面實驗室，針對「數位醫療在憂鬱症精準醫學的應用」有最新的研究成果發表，未來並聚焦於整合數位表徵與大型語言模型的線上日數位化治療（e.g. iCBT），結合台灣豐富的臨床數據與先進AI技術，提升憂鬱症治療效果並減輕醫療系統負擔。以下總結MBI團隊五篇相關研究，展示AI在精神醫學應用中的潛力與挑戰。
團隊在一篇回顧探討ChatGPT在精神醫學中的應用，包括醫療記錄處理、臨床溝通及研究分析。研究指出，結合情感辨識與行為分析技術，ChatGPT有潛力發展為全自動心理治療工具，提升診療效率並提供個人化體驗。然而，數據隱私與倫理問題仍需解決，未來需針對臨床需求進一步優化技術 (Cheng et al., PCN 2023)。大型語言模型（如 GPT-4）具備強大的自然語言處理能力，能自動生成人性化對話內容，並且已在多項研究中展現出輔助臨床診斷、健康教育及個性化治療的潛力，例如我們研究比較GPT-4、Bard與Llama-2在台灣精神醫學執照考試及臨床診斷中的表現。GPT-4不僅通過考試，且在病理生理學與精神藥理學領域表現優異，診斷準確性接近資深醫師。此結果驗證LLMs在醫學教育與臨床實務中的價值，為智能輔助診療奠定基礎，並提示結合實時數據可進一步提升決策效率 (Cheng et al., JMIR 2023)。
團隊也評估ChatGPT生成基礎研究摘要的品質，發現結構化摘要在完整性與條理性上接近人類水準，但非結構化摘要易出現錯誤結論 (Li et al. PCN 2024)；另一篇則深入分析ChatGPT生成的精神醫學摘要與人類撰寫的差異，發現結構化摘要在邏輯性與清晰度上表現出色，但非結構化摘要品質稍為不足 (Hsu et al., Psych Res 2024)。團隊更利用機器學習分析omega-3脂肪酸對基因表達的影響，發現其顯著調節神經營養因子與MAPK信號通路，支持其在心理健康介入中的作用。研究展示機器學習在高通量數據分析中的優勢，為營養基因組學與個人化治療開闢新路徑 (Shityakov et al., 2020)。
MBI團隊的研究顯示，數位表徵與LLMs在憂鬱症精準醫學中具有廣闊前景，從診斷輔助、教育支持到治療個性化均展現潛力。計畫擬開發的線上CBT系統將整合這些技術，利用台灣臨床數據，提供精準治療方案。然而，技術正確性、倫理規範與臨床實用性仍需突破。未來，團隊將致力於優化模型、驗證臨床效果，並推動AI在精神醫學的全面應用，為患者帶來更高效、可及的心理健康照護。
研究論文簡述
1. Cheng et al., 2023: ChatGPT 在精神醫學的現狀與未來
該回顧文章詳細探討了 ChatGPT 在精神醫學領域的多種應用場景，包括醫療記錄處理、臨床溝通及研究數據分析等。文章特別強調未來若能結合情感辨識、行為分析與個性化數據處理技術，ChatGPT 將有可能發展為全自動心理治療系統。這不僅將提升臨床診療效率，還能為患者提供更加個性化的治療體驗，對精神醫學的數位化轉型具有深遠影響。文章還提出了在臨床應用中需要解決的核心挑戰，例如確保數據隱私與倫理合規性，並建議未來結合實際臨床需求進行技術改進。
2. Li et al., 2024: LLMs 在台灣精神醫學執照考試與臨床鑑別診斷中的表現
本研究對 GPT-4、Bard 和 Llama-2 在台灣精神醫學執照考試與臨床鑑別診斷的表現進行了詳細比較。GPT-4 是唯一通過考試的模型，並在臨床診斷中展現出接近有經驗的精神科醫師的準確性。特別是在「病理生理學與流行病學」及「精神藥理學與其他治療」領域，GPT-4 顯著領先其他模型。此研究的重要性在於驗證了大型語言模型在醫學教育與臨床實踐中的潛力，為人工智慧在專業醫療領域的應用開創了新可能。研究還強調了 LLMs 在提升臨床決策效率與診斷準確性方面的應用價值，並指出進一步結合實時數據的可能性，為智能輔助診療工具的發展奠定基礎。
該研究全面評估了 ChatGPT 在基礎研究摘要生成中的表現，著重於品質、相似度及正確性等方面。研究發現，結構化摘要在條理性與資訊完整性上與人類撰寫相差無幾，但非結構化摘要的品質仍需改進。此外，部分 AI 生成的摘要中出現了不正確的結論，表明目前的模型仍存在精度上的挑戰。該研究的重要性不僅在於展示了 AI 工具在科學研究中的實用性，還為改進模型的訓練方法提供了依據。隨著研究的不斷深入，未來的 AI 工具有望在基礎研究領域發揮更大的作用，尤其是處理大規模數據和生成精確總結方面。
4. Hsu et al., 2024: AI生成與人類撰寫的精神醫學研究摘要的比較研究
該研究深入探討了 ChatGPT 生成摘要與原作者摘要在多個層面的差異，包括內容品質、正確性及與原文的相似度。研究結果顯示，AI 生成的結構化摘要在邏輯性與表達清晰度上接近人類撰寫，但在非結構化摘要中表現略遜一籌。此研究的重要性在於揭示了人工智慧在精神醫學資訊處理中的潛在價值，尤其在提高醫療工作效率方面。特別是在臨床實踐中，AI 能快速生成有助於決策的高質量摘要，顯著減輕醫療專業人員的負擔。同時，此研究也揭示了 AI 工具在學術與臨床應用上的潛在局限性，並強調未來需要進一步提升其正確性與應用穩定性。
5. Shityakov et al., 2020: 機器學習與PUFAs基因表達分析
本研究採用機器學習技術，探索 omega-3 脂肪酸對基因表達的影響，並構建了基於蛋白質相互作用網絡的分析框架。研究結果顯示，omega-3 脂肪酸顯著改變了神經營養因子及 MAPK 信號通路相關基因的表達，進一步支持了其在神經與心理健康干預中的潛在價值。研究還強調了機器學習在處理高通量基因組數據中的獨特優勢，能快速篩選出關鍵基因並進行功能分析。此成果為營養基因組學的進一步研究提供了堅實基礎，也顯示了數位工具在個性化健康干預中的廣泛應用前景。
6. 參與國際多學科專家小組共同開發的 GAMER Statement（醫學研究中生成式人工智慧工具使用之報告指引）在《BMJ Evidence-Based Medicine》發表
生成式人工智慧（GAI）工具在醫學研究中應用日增，但缺乏標準化報告，威脅學術誠信 。目的： 制定通用且標準化的 GAI 報告指引。方法： 透過國際多學科專家參與的兩輪德菲（Delphi）共識研究，共有 51 位專家從 26 個國家參與 。結果： 最終的 GAMER 查檢表包含九個核心項目，涵蓋工具規格、提示詞技術、內容驗證、資料隱私，以及 GAI 對研究結論的影響 。結論：GAMER 聲明代表了國際多學科專家對醫學研究中 GAI 使用的共識，提供了通用且標準化的報告指引 。此指引的推出旨在填補學術報告中的重大空缺 ，協助作者提高研究透明度，同時賦予審稿者和編輯評估 GAI 使用是否恰當的能力 。我們期望 GAMER 能被全球醫學期刊廣泛採用為最低報告標準 ，為數位醫學時代的研究誠信奠定堅實的基礎。
7. 從數位足跡解讀 COVID-19 疫情下全球心理健康變革
目的： 本研究為期三年，利用 45 國的數位足跡（Google 搜尋「失眠」、「自殺」），探討 COVID-19 死亡率與居家隔離行為對不同收入國家群體心理健康的動態影響 。結果： 高收入國家在疫情第一年，死亡人數與「失眠」搜尋量增加有關，其中 31.9% 由居家隔離中介 。但此中介作用隨時間消退 。中等收入國家則顯示「自殺」搜尋量下降 。高收入國家「自殺」搜尋的正相關延遲至第三年才顯著 。結論：本研究證實了全球疫情對心理健康的衝擊是異質性且動態演變的 。居家隔離措施對高收入國家早期失眠增加的影響是顯著的，但隨著時間推移而減弱 。中等收入國家則展現出獨特的心理韌性或保護機制 。這些基於數位足跡的深度洞察，能為未來公共衛生危機中，制定精準化的心理健康治療與政策策略提供重要的科學證據 。
COVID-19 死亡人數、居家隔離行為與搜尋量失眠 (A) 及自殺(B) 之間的因果路徑圖
8. 數位疫情
REFERENCES:
Hsu TW, Tseng PT, Tsai SJ, Ko CH, Thompson T, Hsu CW, Yang FC, Tsai CK, Tu YK, Yang SN, Liang CS, Su KP. Quality and correctness of AI-generated versus human-written abstracts in psychiatric research papers. Psychiatry Res. 2024 Nov;341:116145. doi: 10.1016/j.psychres.2024.116145. Epub 2024 Aug 17. PMID: 39213714.
Cheng SL, Tsai SJ, Bai YM, Ko CH, Hsu CW, Yang FC, Tsai CK, Tu YK, Yang SN, Tseng PT, Hsu TW, Liang CS, Su KP. Comparisons of Quality, Correctness, and Similarity Between ChatGPT-Generated and Human-Written Abstracts for Basic Research: Cross-Sectional Study. J Med Internet Res. 2023 Dec 25;25:e51229. doi: 10.2196/51229. PMID: 38145486; PMCID: PMC10760418.
Cheng SW, Chang CW, Chang WJ, Wang HW, Liang CS, Kishimoto T, Chang JP, Kuo JS, Su KP. The now and future of ChatGPT and GPT in psychiatry. Psychiatry Clin Neurosci. 2023 Nov;77(11):592-596. doi: 10.1111/pcn.13588. Epub 2023 Sep 11. PMID: 37612880; PMCID: PMC10952959.
Li DJ, Kao YC, Tsai SJ, Bai YM, Yeh TC, Chu CS, Hsu CW, Cheng SW, Hsu TW, Liang CS, Su KP. Comparing the performance of ChatGPT GPT-4, Bard, and Llama-2 in the Taiwan Psychiatric Licensing Examination and in differential diagnosis with multi-center psychiatrists. Psychiatry Clin Neurosci. 2024 Jun;78(6):347-352. doi: 10.1111/pcn.13656. Epub 2024 Feb 26. PMID: 38404249.
Shityakov S, Chang JPC, Sun CF, Guu DTW, Dandekar T, Su KP. Supervised Machine Learning Models and Protein-Protein Interaction Network Analysis of Gene Expression Profiles Induced by Omega-3 Polyunsaturated Fatty Acids. Current Chinese Science 2022; 2(2): 118 - 128. DOI: 10.2174/2210298102666220112114505
Luo X, Tham YC, Giuffrè M, Ranisch R, Daher M, Lam K, Eriksen AV, Hsu CW, Ozaki A, Moraes FY, Khanna S, Su KP, Begagić E, Bian Z, Chen Y, Estill J; GAMER Working Group. Reporting guideline for the use of Generative Artificial intelligence tools in MEdical Research: the GAMER Statement. BMJ Evid Based Med. 2025 May 13:bmjebm-2025-113825. doi: 10.1136/bmjebm-2025-113825. Epub ahead of print. PMID: 40360239.
Lin SH, Su KP, Tsou HH, Hsia PH, Lin YH. Search Volume of Insomnia and Suicide as Digital Footprints of Global Mental Health During the COVID-19 Pandemic: 3-Year Infodemiology Study. J Med Internet Res. 2025 Apr 17;27:e67646. doi: 10.2196/67646. PMID: 40245400; PMCID: PMC12046254.
Chang JP-C, Cheng S-W, Chang SM-J, Su K-P. Navigating the Digital Maze: A Review of AI Bias, Social Media, and Mental Health in Generation Z. AI. 2025; 6(6):118. https://doi.org/10.3390/ai6060118
Su KP. The CORE Solution: Protecting Youth Mental Health from the Digital Pandemic. Psychiatry Clin Neurosci. 2025 Jun;79(6):297-298. doi: 10.1111/pcn.13816. Epub 2025 May 20. PMID: 40390669.
No comments:
Post a Comment