失眠常造成各式各樣的身心問題和伴隨而來的後遺症，甚至會加重照護上的負擔；為解決失眠照護方面的問題，並找到正確的照護方法，醫學界就試圖借助生成式人工智慧（Generative AI）的潛力，希望AI能幫醫師找到失眠的解決方案和策略，降低照護對象因為失眠所帶來的困擾。

美國睡眠醫學會（American Academy of Sleep Medicine, AASM）的研究團隊，為了解生成式AI能否給出失眠照護的正確答案，就以ChatGPT進行實驗，向ChatGPT問問題，同時結合醫師專業分析和比對，來評估生成式AI的判斷是否正確，並產生對醫護人員和照護對象有利的正確建議和指引。

技術發展背景

ChatGPT自從打入醫療和照護領域之後，除了是醫護人員的好幫手外，也是照護對象和家屬的福音，藉由向ChatGPT詢問問題，系統也會很快地給出答案。雖然ChatGPT具有如此高的效率，但仍有正確性的問題尚待改善和解決，也是醫護團隊所關注的重點。

AASM的團隊先前曾以ChatGPT，進行「睡眠呼吸中止症」的研究、比對與分析，希望能藉由GenAI的協助，來找出如何在照護流程中，預防並減緩睡眠呼吸中止症的正確方法和策略，提升照護安全性（Campbell, et al., 2023）。

技術介紹與應用現況

AASM研究團隊，藉由結合自身在睡眠醫學的專業領域知識，以及臨床照護的經驗，以下列四個角色定位和嚴謹程度，於提問前對ChatGPT下達提示詞（Prompt）進行角色定位，並展開藉由ChatGPT產生失眠照護建議的正確性測試：

1.預設問答模式（最寬鬆）：未使用額外提示詞

2.以患者角度的角色定位詢問模式：我是一名試圖了解更多關於失眠的患者，想詢問20個有關失眠的問題，並以一般人能理解的方式來回答。

3.以專業醫師角度的角色定位詢問模式：我是一名睡眠專科醫生，想詢問20有關失眠的問題，並以醫師理解的專業術語來回答。

4.列舉參考文獻和數據的問答模式（最嚴謹）：我想詢問20個有關失眠的問題，並依據系統所記載的文獻和數據來回答。

AASM研究團隊接著列舉20個問題，讓先前建立的4個角色定位，對ChatGPT提問：

表1 AASM睡眠醫學專家，以4個角色定位詢問ChatGPT的20個問題

資料來源：（Alapati, et al., 2024）

經過AASM研究團隊的實驗，並與自身睡眠醫學方面的領域知識，進行交叉比對和分析後，綜整出如下結果：

前三個角色定位（預設值、患者角度、醫師角度）的提問結果，有高達平均85%的準確性；第四個角色定位（列舉參考文獻和數據），提問結果準確性為65%~100%不等。

依據第四個角色定位，所提供之參考文獻和數據中，經醫師專業比對之結果，有80%的參考文獻是準確的，但參考統計數據中只有25%是正確的。

AASM團隊從測試結果中得知，雖然ChatGPT只有蒐集到2021年為止的文獻和數據，但在實驗過程中，系統所列舉出來的正確參考文獻都在2015年以前；再加上ChatGPT並不能當作實際醫療和照護的依據，雖然可以提出一些針對失眠照護的「原則性」建議，但仍需要引入最新的文獻和數據、並結合現代醫療和照護實務經驗與知識，予以改善和與時俱進。

未來展望／挑戰

醫學團隊藉由測試ChatGPT的問答正確性，再結合自身領域知識上的專業判斷，以及臨床照護的實務經驗，可望為失眠困擾的年長照護對象，提供符合照護需求的建議和指引。

藉由ChatGPT等類似的GenAI工具，來產生照護計畫（Care plan），提供照護對象在復健、養生、睡眠等方面的指引和建議，保障照護對象和照護環境的安全，並可進一步減少醫護團隊和家屬的負擔，讓有限的照護資源獲得最大化效益的運用並可事半功倍。

封面圖片來源：123RF

參考資料來源：

1.Alapati, R., Campbell, D., Molin, N., Creighton, E., Wei, Z., Boon, M., & Huntley, C. (2024, April 1). Evaluating insomnia queries from an artificial intelligence chatbot for patient education. Journal of Clinical Sleep Medicine, 20(4), pp. 583-594. doi:10.5664/jcsm.10948

2.Campbell, D. J., Estephan, L. E., Mastrolonardo, E. V., Amin, D. R., Huntley, C. T., & Boon, M. S. (2023, December 1). Evaluating ChatGPT responses on obstructive sleep apnea for patient education. Journal of Clinical Sleep Medicine, 19(12). doi:10.5664/jcsm.10728

傳統服裝製作廠商在進入大規模量產之前，必須經歷多個階段的製作步驟，不僅曠日費時，成本也無法有效下降。隨著科技的進步，導入DPC（Digital Product Creation）流程之後，有助於傳統紡織業者的轉型。根據 McKinsey 顧問公司的報告，導入DPC 在產品開發流程中，公司預期可以將產品上市時間縮短達 50%，並將樣品生產成本降低高達 70%。

什麼是DPC（Digital Product Creation）?

要了解什麼是DPC（Digital Product Creation）之前必須先理解傳統的服裝生產流程。

首先，傳統的服裝製作在進入大規模量產前，必須先從設計、實體打樣開始，再經歷購買材料、布料裁切等，再進入包裝、發貨，最後才進入消費市場。製衣廠通常會提供「樣板」供品牌客戶參考，再依據品牌客戶回饋修改並重新製作樣版，這一過程可能需要反覆討論多次與修改，直到品牌端完全滿意樣版製作才算抵定，方能進入後續的選布料、裁減與加工等流程。

在客戶針對樣品拍板定案前，客戶只要提出意見，製衣廠就需重新打樣，間接導致材料與時間上的雙重浪費。於是，傳統的成衣製造業開始思考導入數位科技且運用DPC（Digital Product Creation），優化生產流程，加速從製造到上架的時程。

成衣代工業導入DPC 省物料、省溝通成本

在成衣代工業乃至服裝設計業，這段涵蓋了從設計概念、打樣、布料選擇到成品的製造過程，完全導入數位化的運作，稱為 DPC（Digital Product Creation）。例如，成衣代工大廠聚陽公司過去在打樣後需要將實品寄送到客戶手上，需來回3-4次才能定案，若客戶在海外至少需一周的海外郵寄時間，客戶不滿意就得來回溝通、重新打樣、寄送。

聚陽在疫情期間導入3D樣品成衣模型，工廠可採「線上看樣」的新模式，即時與品牌客戶在平台上同步溝通，及時修改樣板，品牌客戶只需幾分鐘就可以在3D數位平台上看到衣服線上修改後的效果，省去實品打樣所需消耗的材料，以及與品牌客戶來回溝通的時間。根據服裝創新聯盟（the Apparel Innovation Consortium）的數據顯示，從長期的經濟效益來看，導入DPC將使樣品成本削減多達 75% 和交貨時間也減少50%。

國際知名品牌擁抱DPC 減碳又加速產品上市時間

為因應成衣代工業數位化需求，市場上已有Frontier.cool所開發的TextileCloud™，這是一基於雲的協作平台，讓品牌端和供應商可在平台上共用數位材料和數據，提高從設計到生產過程的效率，簡化供應鏈繁瑣流程，如下圖1。

知名運動品牌Addidas和Nike公司也已導入DCP並運用3D技術在其生產流程，Addidas透過將 3D 技術運用到其設計和生產流程中，已成功將樣品開發時間縮短了 50%。Nike公司則利用DPC提高內部效率，並讓客戶參與設計過程，強化消費者體驗也提供更個人化的產品。尤其，在省去反覆打樣所使用的材料，無形中也為成衣代工業、服裝品牌業等產業降低碳排放減少廢棄物的產生。

圖1：專為服裝設計師開發的Meta Fabric 數位雲平台

圖片來源：https://www.youtube.com/watch?v=ZV6Z3lhzEFc

封面圖片來源：https://www.beautimode.com/article/content/87850/

https://textura.ai/digital-product-creation/

參考資料來源：

[1] 服裝的秘密旅程：從設計到您的衣櫃 - 新聞 | 全球最信賴的供應商 (oshima.com.tw)

[2] 3D虛擬服裝軟體 為產品設計、開發和製造帶來的無限可能 │ 流行快訊數位雜誌Fashion Express

[3] 【Fashion Tech時尚科技年會】生成式AI與3D技術能為時尚產業帶來永續的春天嗎？ (yahoo.com)

[4] 疫情海嘯，這家成衣代工龍頭竟能EPS創新高！聚陽的「轉念」祕訣｜天下雜誌 (cw.com.tw)

[5]Embracing Digital Transformation in Fashion: The Path to Revolutionizing the Industry - WhatTheyThink

[6] 實現可持續發展、效率和創新的數位化產品創造 (frontier.cool)

[7] What is Digital Product Creation? - SEDDI Textura