鍾仁華博士：生物資訊與遺傳統計學研究室
鍾博士現為國家衛生研究院研究員，專長為生物資訊、遺傳統計學及複雜疾病研究。擁有美國北卡羅來納州立大學博士學位，並在基因分析方法學方面具備豐富研究經驗。
查看著作
用 AI 找出「最辛苦的家庭照顧者」──大型語言模型在長照的新應用
在臺灣與全球，高齡化社會讓「家庭照顧者」成為長照體系不可或缺的一環。他們通常是家人或親友，無酬卻肩負沉重責任，長期下來常導致身心俱疲，甚至自身也可能成為照顧對象。
研究怎麼做？
傳統上，政府與研究人員會透過問卷，例如 照顧者壓力量表（CSI） 或 Zarit 負荷量表（ZBI），來評估家庭照顧者的壓力。但這些工具需要人工填寫與分析，不僅耗時，也可能無法完全捕捉照顧現場的細微差異。
近期，我們研究團隊提出一個全新的方法──運用 大型語言模型（Large Language Model, LLM），直接從長照個案的文字紀錄中，找出「高負荷」的家庭照顧者。這項成果已發表於國際期刊 Computer Methods and Programs in Biomedicine。
研究對象
蒐集南臺灣某縣 1,791 位長照家庭照顧者 的個案紀錄。
資料來源
包括結構化的問卷（失能程度、日常生活功能 ADL/IADL 等）以及 文字型個案摘要報告。
比較方法
  • 規則式模型（rule-based）
  • 機器學習（Logistic regression, Random Forest, SVM）
  • 大型語言模型 RoBERTa（可理解文字語境與語意細節）
分析重點
除了準確率外，還利用 注意力機制（attention mechanism），觀察模型如何聚焦於「負擔沉重」的描述或照顧關係。
發現了什麼？
LLM 表現最佳
  • RoBERTa 的準確度達 78%，AUROC 0.84，AUPRC 0.70，比傳統方法高出 8–14%。
  • 特別是在「高負荷」照顧者的辨識上，準確度明顯提升。
注意力機制揭示重點
  • 模型會聚焦於「感覺負擔沉重」、「需要喘息服務」、「主要照顧者為子女」等描述。
  • 這與人工專家判斷的依據高度一致。
照顧者與被照顧者的特徵
  • 照顧者層面：體力負荷、睡眠干擾、同時照顧幼兒或其他家人，是壓力最大的來源。
  • 被照顧者層面：日常生活能力（ADL）、失智行為問題（BPSD）、醫療需求，是影響照顧負荷的重要因子。
為什麼重要？
這項研究是全球首次在長照領域驗證 LLM 應用於辨識高負荷照顧者：
更早找出需要幫助的照顧者
避免他們「累倒」後才被看見。
減少人工問卷負擔
直接從文字紀錄即時分析。
提供政府與醫療單位一個 AI 工具
協助長照資源更有效配置。
小結
國衛院團隊的研究證明，大型語言模型能成為新一代的輔助工具，協助找出最需要支持的族群，讓長照服務更及時、更有溫度。
在長照需求快速增加的今天，如何守護「隱形英雄」──家庭照顧者，成為社會必須面對的課題。

這項技術有望改變長照資源分配方式，讓支援系統能更精準地觸及真正需要幫助的家庭照顧者。