NTUNHS · September 15, 2026
營養照護與實證 AI 工作坊
一日實作工作坊：上午以 StatWhy Nutrition 帶護理學生操作營養專案；下午示範 AI2 如何用 OpenAlex、NCBI 與 DOI 來源建立可引用、可判斷證據等級的醫療與研究回答，並延伸到罕見疾病/NHRID 研究可行性。
Workshop modules
工作坊分成三個可落地模組
Agenda draft
建議議程
09:00-09:20
Opening
工作坊目標、資料安全、AI 在健康照護教育中的正確角色。
09:20-10:20
Nutrition platform demo
護理學生操作飲食紀錄、AI 分析、補充提問與行為任務。
10:35-11:40
Student exercise
以營養照護場景練習資料解讀、照護重點與衛教回饋。
13:30-14:00
Evidence AI principles
如何避免幻覺、假引用與無證據結論；如何標示不確定性。
14:00-15:20
AI2 role-based demo
醫師 DDX/guideline、護理 patient care/guideline、教授 specialty/research question。
15:35-16:20
Feasibility / novelty / proposal potential
測試研究想法的新穎性、資料可得性、研究設計與計畫書潛力。
16:20-17:10
Rare disease / NHRID direction
罕見疾病研究、NHRID 可行性、台灣費用估算與下一步合作討論。
AI2 workflow
AI2 的核心原則：先找證據，再回答
Doctors
選擇 DDX 或 guideline support，輸入臨床問題與專科；輸出鑑別診斷/指引式回答、證據等級、限制與引用。
Nurses
選擇 patient care 或 nursing guideline，輸入照護問題；輸出照護重點、衛教、red flags、證據等級與引用。
Professors
輸入 specialty、area of work 與研究/教學問題；輸出知識缺口、研究意義、文獻摘要與 proposal potential。
Host
Professor Javad / StatWhy
StatWhy 的核心目標是讓 AI 成為研究與教育的證據工具，而不是取代人類判斷。工作坊將以實作方式展示：如何讓學生、醫護人員與教師使用 AI，同時保留來源、證據等級與不確定性。
About StatWhyNext step
準備 September 15 的工作坊公告
下一步可加入報名表、場地教室、名額、QR code、主辦/協辦單位與海報圖片。