健康照護科技專題一:AI 時代的輔助科技設計與實作 (修訂版)
(Special Topics in Healthcare Technology I: Assistive Technology Design & Implementation in the AI Era)
學期: 2026 春季 (Spring 2026) 每週二晚上 EFG
核心工具: Claude Sonnet 4.5, ChatGPT 5, Gemini 2.5 Pro, Grok 4 等次世代多模態大型語言模型工具 (Leading Multimodal LLM tools)
先備知識 (Prerequisites):
建議具備 Python 基礎程式設計能力。學生應能理解基本語法、變數、迴圈與函式。無需具備 AI 或機器學習的先備知識,本課程著重於「應用」而非「建構」模型。
課程描述:
本課程旨在探索如何運用尖端大型語言模型(LLM)作為核心協作夥伴,設計、模擬並實作出具創新性的健康照護與輔助科技解決方案。課程將以一系列專案導向的實作,帶領學生從概念發想、系統模擬、原型設計到成果展示,完整體驗在 AI 時代解決真實世界健康照護挑戰的流程。學生將學習如何「指揮」AI 進行複雜的邏輯推理、程式碼生成、3D 模型建構與科學視覺化,並在過程中建立對 AI 倫理的深刻認識,成為一名能負責任地駕馭 AI 的輔助科技創新者。
學習目標:
掌握使用 LLM 進行複雜問題拆解與邏輯規劃的能力。
評估並應用 AI 在健康照護領域的倫理原則與最佳實踐。
實作 AI 驅動的互動式復健與健康促進應用。
設計並模擬用於高齡者照護的智慧環境感測系統。
運用 AI 將複雜的生物醫學過程進行視覺化呈現。
完成一個具體的輔助科技期末專案,從概念發想、倫理評估到原型實作。
每週進度與主題 (Weekly Schedule)
第一部分:基礎建設與互動設計 (Weeks 1-6)
Week 1-3 (2/23, 3/2, 3/9): AI 輔助下的邏輯與規劃
主題: 診間資源調度難題 (Clinic Logistics Puzzles)
內容: 介紹課程與 AI 工具。例如以「智慧診所的病患排程與醫護人員班表優化」為情境,學習如何引導 AI 處理多重限制下的邏輯問題。
實作 (Lab #1): 使用 AI 生成排程優化方案的 Python 程式碼,執行、驗證並將結果視覺化。
Week 4 (3/16): 遊戲化復健 (Gamified Rehabilitation)
主題: 體感互動復健遊戲設計
內容: 探討如何將枯燥的復健動作轉化為有趣的遊戲。學習運用 AI 進行遊戲機制設計與原型開發。
實作 (Lab #2): 擇一實作:設計「中風後復健—AI 打地鼠」遊戲,訓練反應速度與手眼協調;或設計「關節炎患者—AI 動作範圍評分機」,引導患者完成每日伸展。
Week 5 (3/23): 期末專案提案 (Final Project Proposal)
主題: 發掘問題與定義題目
內容: 學生分組,腦力激盪,尋找一個真實世界的健康照護問題,並提出期末專案的初步構想。
繳交: 期末專案提案書 (一份)。
Week 6 (3/30): AI 倫理在健康照護 (AI Ethics in Healthcare)
主題: 隱私、偏見與責任 (Privacy, Bias, and Accountability)
內容: 專題討論。探討在設計健康照護 AI 時的關鍵倫理議題:病患資料隱私、演算法偏見(如何避免 AI 系統性地忽略特定族群)、當 AI 出錯時的責任歸屬,以及模型的透明度與可解釋性。
活動: 各組重新檢視其期末專案提案,進行倫理風險評估與修正。
第二部分:環境感知與系統模擬 (Weeks 7-10)
Week 7-8 (4/6, 4/13): 高齡者居家安全監測 (Smart Home for Elder Care)
主題: 居家危害鏈偵測與視覺化 (Home Hazard Chain Identification)
內容: 如何預防長者跌倒或發生意外?模擬智慧家庭環境,利用虛擬感測器數據來預測潛在風險。學習使用 AI 輔助生成 3D 場景與動畫。
實作 (Lab #3): 利用 AI 生成動畫,視覺化呈現如「長者夜間起床 -> 未開燈 -> 被地毯絆倒」或「忘記關瓦斯 -> 濃度升高 -> 觸發警報」的危害事件鏈。
Week 9 (4/20): 期中考週 (停課一次)
Week 10 (4/27/2026): 複雜系統模擬 (Complex System Simulation)
主題: 如何合成複雜創作
內容: 練習模組化建構大型AI系統。
實作 (Lab #4): 使用 AI 建立模擬模型,並測試不同情境下的反應。
第三部分:生物醫學視覺化與研究創新 (Weeks 11-17)
Week 11 (5/4): 重現論文中的 AI 模型 (Reproducing AI in Healthcare Research)
主題: AI 輔助下的論文驗證與實作
內容: 學習如何使用 AI 快速解析一篇 AI 醫療影像辨識或數據分析的論文,並嘗試重現其核心演算法或系統架構。
實作 (Lab #5): 選擇一篇指定的論文摘要,使用 AI 生成概念驗證 (Proof-of-Concept) 的程式碼。
Week 12-14 (5/11, 5/18, 5/25): 科學動畫 (Biological Visualization)
主題: 將複雜的科學機制變得可視化
內容: 深入探討如何將抽象的科學概念轉化為具體的視覺故事。案例將聚焦於生物,物理現象與健康照護相關主題。
實作 (Lab #6): 選擇一個科學主題(如光合作用、嗅覺原理),利用 AI 輔助生成解說腳本與關鍵畫面動畫。
Week 15-16 (6/1, 6/8): AI 輔助研究與報告撰寫 (AI-Assisted Research & Writing)
主題: 運用 AI 加速期末專案的創新與整合
內容: 學習如何利用 AI 進行文獻回顧、整理研究重點,並協助撰寫結構化的期末專案報告。
實作 (Lab #7): 針對期末專案主題,進行 AI 輔助的文獻回顧與報告草稿撰寫練習。
Week 17 (6/15): 期末專案發表與成果展示 (Final Project Presentations)
內容: 各組展示學期成果,包括問題定義、AI 解決方案、原型 Demo、倫理考量分析與未來展望。
評分標準 (Grading Breakdown)
實作作業 (Labs, 40%):
評估標準不僅看最終成果,更重視過程。繳交內容須包含:
成果展示 (成品或影片)。
關鍵 Prompt 紀錄與反思: 說明你如何引導、迭代、修正 AI 的指令以達成目標。
程式碼與相關檔案。
期末專案 (Final Project, 50%):
提案與倫理評估 (10%): 包含問題陳述、初步構想與倫理風險分析。
最終成果與 Demo (25%): 包含期末發表會的展示與原型功能的操作。
書面報告與程式碼 (15%): 詳述專案的設計理念、實作過程、成果、遇到的挑戰與未來工作。
課堂參與與討論 (10%):
鼓勵在課堂、特別是倫理議題討論中,積極提出觀點與回饋。