自然語言處理（NLP）技術自1950年代的符號規則與統計方法開始發展，歷經機器學習、詞嵌入（word embedding）到深度學習模型的階段，逐步進化至以Transformer架構為核心的「大型語言模型」（LLM）。自2017年《Attention Is All You Need》發表以來，Transformer技術徹底改變了語言理解與生成模式，並促成GPT、BERT、LLaMA等模型的出現，引領生成式AI時代。

大型語言模型擁有數十億至千億級參數，具備強大的泛化與生成能力，能完成語意理解、文字撰寫、知識檢索與語音轉換等任務。其「預訓練+微調」的學習方式，使模型不需大量標註資料便可靈活應用於多種場景，包含臨床摘要、診斷輔助、醫病溝通與文書自動化等。像GPT-4等多模態模型更進一步整合文本、影像與語音分析能力，使智慧助理從單一任務執行者轉型為跨系統、跨模態的醫療協作夥伴。

簡報中整理了豐富的實際應用案例，涵蓋台大醫院的病歷自動編碼系統、美國Epic與微軟Nuance的臨床記錄整合、日本NEC的病歷摘要生成技術，以及歐洲、中國等地的應用發展。這些案例顯示LLM已經在全球各地醫療場域中開始落地，不再只是理論或實驗性質的工具。

未來智慧助理在醫療體系中將逐步扮演虛擬病房看護、診療決策支援、醫學知識管理等多重角色。簡報亦提醒我們必須正視AI幻覺、偏見、公平性、倫理與隱私等問題，建立符合臨床實務的安全與治理機制，才能讓智慧醫療真正以「人」為本，讓科技成為提升照護品質的助力。