人工智慧（AI）用於碳水化合物計算與胰島素給藥——為什麼這是不良示範 (How Not to Do It)
講者：Tim Street (Diabettech) 會議：ATTD 2026
開場介紹與講者背景
主持人： 如果大家準備好了，我將從這裡介紹下一位講者。今天下午的最後一位講者是 Tim Street。看過他的個人簡介後——雖然我們之前只有短暫碰過面——但我認為他是一位非常有創造力的人。他似乎有很多點子，而且身為第一型糖尿病患者，他親自嘗試了許多事物，這正是他今天要與我們分享的內容。把時間交給您。
Tim Street： 好的。所以今天我們要談論的是「用於碳水化合物計算與胰島素給藥的人工智慧」，或是說，我們將探討「為什麼這是一個不良示範（How not to do it）」。
在開始之前，這是我的利益衝突聲明（Disclosures）：我曾接受 DiabetesMine、DiabetesUK、歐洲糖尿病研究學會（EASD）、Nightscout 基金會以及亞培糖尿病照護（Abbott Diabetes Care）的贊助以出席會議並發表演講。同時，我也是 Diabettech 網站的創辦人，以及 1921.vc 的創投合夥人。此外，這份簡報中的醫療器材/軟體免責聲明指出：教材中可能會出現特定商用醫療設備或軟體的名稱，因為它們與特定醫療程序相關，但市場上也有其他產品可執行相同程序，本教育提供者不為任何特定產品背書。
接下來，讓我們直接進入正題。
糖尿病胰島素給藥的棘手數學問題
在投影片上，我們可以看到一張名為「DR HEN SAYS」的卡通插圖（版權標註為 ©HALZA），一隻戴著棒球帽、手臂上貼著 CGM 感測器的黃色鳥類角色坐在書桌前，滿頭大汗地看著黑板上複雜的碳水化合物與胰島素計算公式（例如 I:C = 1:18、CGM 數據轉換與減法運算）。這張圖生動地展示了嘗試計算午餐胰島素劑量時所面臨的挑戰。
當你試圖計算一餐需要多少胰島素時，最關鍵的問題在於，你面對的是一個生物系統。在正常情況下，這個系統具有胰島素與升糖素（glucagon）對進入體內食物作出反應的持續回饋迴圈（Continuous feedback loop）。而你現在試圖用手動介入來取代它，因為你的身體已經失去了這個機制。
正如我們先前在會議中討論過的，這其中牽涉到各種變數。投影片將這些變數歸類為四個象限：包含生物系統的調節、手動複製給藥的挑戰，以及具體變數如：巨量營養素的組成（Macronutrient composition）、脂肪與蛋白質導致的胃排空延遲（Delayed gastric emptying），以及不斷波動的胰島素敏感度（Fluctuating insulin sensitivity）等。
當然，另一個層面的問題是「人類」本身。老實說，我們在估算餐點碳水化合物含量時，總是面臨許多挑戰。所以，我現在邀請大家參與一下互動。根據過去的研究顯示，在一頓含有 72 克碳水化合物的標準餐點中，人類估算的「基準誤差（Baseline error）」大約是多少？
我給你們四個選項，如果你覺得知道正確答案，請舉手：
哇，你們這群人還真是悲觀啊！（笑） 實際上的研究顯示，在含有 72 克碳水化合物的餐點中，基準誤差大約是 15 克**（更精確地說，平均誤差為 15.4 克，參考文獻：Brazeau 等人，2013）；但在某些受控環境下的研究中，誤差確實會延伸到那 20 克的範圍（甚至高達 21 克，參考文獻：Baumgartner 等人，2024）**，我想這也是剛剛大多數人舉手選擇的答案。
因此，你完全可以理解為什麼人們在計算碳水化合物與決定胰島素劑量時，會渴望得到一些幫助。
大型語言模型（LLMs）用於碳水化合物計算：現況與應用方式
這就是為什麼人們開始轉向**大型語言模型（Large Language Models, LLMs）**或聊天機器人（Chatbots）。在進入這部分之前，我能請有定期使用聊天機器人的人舉個手嗎？ （觀察現場）嗯，很有趣，大概將近一半的人。太好了，所以你們當中有不少人知道我們在做什麼。
當我們談論使用大型語言模型進行碳水化合物計算時，這到底是什麼？人們是如何使用的？這個概念的核心在於：承諾消除手動計算碳水化合物的心理負擔。
基本上，你拍下餐點的照片，上傳到剛剛提到的聊天機器人，然後要求它估算你的胰島素劑量。大多數機器人都能毫無困難地做到這一點。你只需要輸入一個簡單的提示（Prompt）：「這餐有多少碳水化合物？這是我的碳水化合物比例（Carb ratio），我需要多少胰島素？」它就會把資訊丟回給你。
目前有幾種作法：
然後，使用者會將這些估算結果輸入到**自動胰島素給藥系統（AID）**或幫浦中，來給予所需的胰島素。這種「混合型 AID 整合」會繞過人類判斷的安全裕度，讓 AI 的誤差與閉環系統的演算法誤差疊加在一起，產生風險。
我們在這次會議中經常討論的一個關鍵點是，AID 領域的發展方向。未來將是一個美妙的世界：你不需要計算碳水化合物，你不需要對餐點做任何特別處理，因為我們將處於完全的閉環（Fully closed loop）環境中。當然，這將使患有第一型糖尿病的生活變得容易許多。但這其中有一個小小的挑戰：在可見的未來，大多數人仍將繼續使用每日多次注射（MDI）。
所以，擁有完全閉環系統是個好主意，但現實是，實際上只有極少數人能夠使用它。因此，這類（AI 圖像計算）輔助工具對大部分第一型糖尿病族群，甚至使用胰島素的第二型糖尿病族群來說，仍然非常重要。
AI 碳水計算準確度大檢驗：三項實證研究
我們接下來要看幾個利用大型語言模型進行食物識別的研究。你在接下來的內容中會發現一個關鍵：大多數這些研究都非常近期。聊天機器人背後的模型變化非常快，所以雖然有些研究使用的不是最新模型，但在過去一年裡，你與這些聊天機器人互動的底層技術已經發生了戲劇性的變化。
研究一：簡單食物與複雜餐點的差異
第一個研究是一個簡單的測試，用來檢查從聊天機器人回傳數據的準確性。 如果是簡單的物品，比如一顆蘋果、一顆橘子、一條 Mars 巧克力棒，它表現得相當不錯，很容易識別。但是，如果是更複雜的食物，像是千層麵（Lasagna）或燉菜（Stew），它只有 43% 的時間是正確的，將近 60% 的時間是錯的。 原因很簡單：在一張 2D 的照片中，你無法判斷所看之物的任何「深度」，而且你通常無法輕易看到照片中食物的所有內容物。這個研究也嘗試加入一個參照物來讓尺寸估算更準確，但在這特定案例中效果並不好。（註：我們在這裡看到的是相對較舊的 ChatGPT 4 模型）。
研究二：246 份醫院餐點研究 (The 246 Meal Study)
**根據 Joubert 等人即將在 2026 年發表於《Diabetes, Obesity and Metabolism》的研究，受過訓練的醫學生拍攝了 246 份醫院餐點的照片，**這些餐點有來自專業營養師提供的碳水化合物「絕對真相（Ground truth）」。
他們測試了一系列應用程式以及當時的 ChatGPT-5 模型（講者口述提及 5.0）。不同軟體評估食物的機制不同**（例如 DiabHealth 和 Gluroo 使用 AI 照片識別，GluciCheck 和 EkiYou 透過視覺份量指南手動輸入，而 ChatGPT-5 使用多模態生成式 AI）**。
結果顯示，其中一個使用 AI 照片識別的模型表現相對較好，有兩個表現非常差。從平均絕對誤差（Mean Absolute Error, MAE）來看：GluciCheck 為 13.0g，DiabHealth 為 13.9g，EkiYou 為 14.2g，ChatGPT-5 為 18.0g，Gluroo 最差達 20.6g。從根本上來說，沒有任何一個軟體的表現，與我們一開始提到的「人類肉眼估算誤差」有太大的差異。這是一個非常有趣的基準比較。（註：若以安全的 ±20g 誤差範圍內為標準，GluciCheck 達成率為 77%，DiabHealth 80%，EkiYou 67%，ChatGPT-5 73%，Gluroo 僅 50%）。
研究三：38 份餐點的最新 LLM 對決
更近期的一項研究**（Goncalves 等人，2025 年發表）**測試了最新的 ChatGPT-4o、Claude 3.5 Sonnet 與 Gemini 2.0 Flash，並將其與營養師進行比較。
他們拍攝了 38 份餐點的影像。營養師被要求評估這些餐點的碳水化合物含量，同時也要求各個 AI 模型做出回應。從平均絕對誤差（MAE）來看：營養師表現最好（13 克），接著是 ChatGPT（20 克）、Claude（23 克），而 Gemini 最差（28 克）。
這對在場的聽眾來說應該是個好消息（指營養師大獲全勝）。Gemini 表現得非常糟糕。但更重要的是**「高估（Overestimate）」**的比例，這才是引發嚴重低血糖的致命關鍵。
營養師傾向於「低估」，這意味著患者不會注射過量的胰島素。相反地，Gemini 有高達 38% 的機率會高估超過 20 克的碳水化合物。 試想一下，如果你的胰島素碳水比（I:C ratio）是 1:10，那代表你多打了 2 單位的胰島素，這幾乎肯定會導致低血糖。即使是表現較好的 AI，高估 ≥20g 的比例依然偏高：ChatGPT 達 13%，Claude 達 17%，遠高於營養師的 3%。
你應該可以看出問題所在了：這些工具的準確度極度不穩定，而且在這個特定背景下，其表現並沒有因為餐點的複雜度而有太大差異。研究結論是，它們只能作為補充，無法取代結構化的衛教。
研究四：ATTD 會議現場的非正式測試
最後，我們昨天在這裡（ATTD 會議現場）做了一個小小的研究。這還沒有發表。我們將 6 張特定食物的照片交給一組 10 人的志願者——這些志願者就在這個房間裡，非常感謝你們昨天的參與！我們讓他們同時把照片提交給 ChatGPT（講者口述提及 5.2），使用完全相同的提示詞（Prompt）和相同的碳水比例。
得出的結果相當可怕。對於簡單的食物，結果還算一致。但對於較複雜的食物，表現非常糟糕。同樣的照片、同樣的提示詞，最極端的估算結果之間居然相差了 40 克的碳水化合物。
我們還發現了一個有趣的失誤：AI 根本無法識別它接收到的食物。有一份比較特別的餐點包含了「抹茶吉拿棒（Matcha churros）」，結果有 30% 的 AI 回覆竟然把它判定為「炸香蕉（Fried bananas）」或「烤香蕉」。
這聽起來像是個無厘頭的實驗，但它證明了大型語言模型缺乏一致性。這是大型語言模型的運作原理造成的：它們沒有針對這類醫療數據進行專門訓練，它們並不真正「理解」這些數據。它們只是根據你的查詢，產生一個「統計學上預測下一步應該是什麼」的回應。所以你不能期望它們總是做對。
結論是：人工智慧目前的碳水化合物計算，還沒有準確到可以安全地驅動胰島素給藥的程度。 絕對需要人類介入來驗證這些數據。這非常重要。當你看到人們這樣做，或者有人提議將這些功能整合到現有的 AID 系統中時，這絕對是一個令人擔憂的隱患。
LLM 作為「數位內分泌科醫師」的危險
我們不只看到人們將 AI 用於碳水化合物計算，我們還看到人們把它當作「數位內分泌科醫師（Digital endocrinologists）」來使用。
什麼意思呢？人們會匯出他們的 CGM 數據、幫浦設定或 AID 設定，然後去找 ChatGPT 說：「告訴我該怎麼改善這些。」聽起來很簡單對吧？因為你只要上傳上去，它就會給你一個答案。有時候要預約看衛教師（DSN）、營養師或內分泌科醫師需要等上很長的時間，所以使用這種工具似乎很合理：它能讓事情變得簡單，而且它會用你聽得懂的語言對話，聽起來非常流暢、自信，就像個真正的臨床醫師一樣。
但它實際上做了什麼？ 坦白說，它做了有些相當邪惡的事情。
這全都是因為 LLM 的運作方式。它們的設計初衷是產生一個聽起來自信、流暢且能在對話中持續連貫的回答，而不是專注於準確性。 它們不會告訴你「我不懂這些數據」，也不會給出任何不確定性的提示。
因此，在現實中，即使你真的這樣做並得到了回覆，任何人都不應該根據 AI 的建議做出超過 10% 的劑量調整——就像你自己看著自己的數據時所做的那樣。但不幸的是，這往往不是人們的實際反應。
我們看過另一個有趣的研究：他們將強化學習模型（Reinforcement learning model）與大型語言模型進行比較。這個測試是在一個「虛擬糖尿病患者」身上進行的，所以不會傷害到真人。結果發現，在模擬研究中，LLM 犯了與現實世界完全相同的錯誤：它會算錯數學、搞錯時間順序、邏輯前後不一致。 結果就是，即使在受控環境中，我們依然面臨相同的問題與風險。
這告訴我們什麼？老實說：千萬別這麼做。 它無法安全地取代設定胰島素幫浦參數所需的專業判斷。這個專業判斷不見得一定要來自臨床醫師，但絕對不應該來自大型語言模型。
自訂 GPTs (Custom GPTs) 與監管漏洞
那麼，大型語言模型世界的下一步是什麼？我不知道有多少人使用過 Custom GPTs（自訂 GPTs）？（舉手的人不多）。
讓我們來談談什麼是 Custom GPT。它是你在 ChatGPT 裡可以建立的東西。你給它自訂的指令、賦予它一個「人設（Persona）」，讓它以特定的方式對話。它實際上只是一個覆蓋在底層基礎模型與平台安全規則之上的「圖層（Layer）」，用來回應使用者的提示。它改變的是語氣、角色與行為規則，它可以巧妙地改變工作流程步驟，也可以被引導去查看特定來源或主題。
例如，目前市場上有一個叫做「科學為本第一型糖尿病教練（Science-Based T1D Coach）」的自訂 GPT。我想房間裡的大多數人一聽可能會覺得：「太棒了，它會去查看所有現存的營養學數據，然後給我一個合理的建議。」但實際上，寫這個程式的人只是把它指向了 Dr. Bernstein（柏恩斯坦醫師）的糖尿病手冊，並指示：「以這本書作為主要來源，然後以此處理所有事情。」
正如投影片所指出的，包含這類 "Mealtime AI Mentor" 宣稱能估算碳水、解讀血糖模式並建議胰島素時機，但它們建立在一般的 GPT 上，沒有經過臨床訓練，也沒有經過驗證的數據管道。另一個例子是基於 WhatsApp 的 AI 工具 SnapDose，它提供照片估算碳水服務，甚至給出血糖影響的預測（例如：「升糖快、平穩，或是延遲」）。
Custom GPTs 無法改變模型運作的方式，它無法改變其「推理邏輯」。它的訓練數據與一般 ChatGPT 使用的完全相同，它並沒有在特定醫學領域內受到嚴格的邊界限制與專門訓練。而且，它也無法驗證它告訴你的內容。你會在社交媒體或論壇上看到人們聲稱他們創建了可以驗證回應的自訂 GPT——他們根本做不到，因為從架構上來說它們就不是那樣運作的。
這就像是給模型穿上了一套「戲服（Costume）」。它改變了說話的方式、改變了走路的姿態，但它改變不了思考的本質。
這就是陷阱所在：對話的流暢度與專業的臨床用語，掩蓋了其根本的無能（Conversational fluency and clinical language may mask profound incompetence）。 它依然會犯同樣的錯：跳過數據、過度反應、混淆因果關係。
現在有許多這類與糖尿病相關的數據工具，包含剛剛提到的 WhatsApp 應用程式。只要你嘗試，它們真的會給你「胰島素劑量建議」。但在場的大多數人都知道，胰島素給藥軟體屬於 Class 2b 或 Class 3 的醫療器材（Medical device）。然而，這塊領域裡的產品完全沒有受到規範，因為大多數開發者都會加上某種免責聲明，他們認為這樣就不用將自己視為醫療器材。
**這就是法規漏洞（The Regulatory Loophole）：它們提供了具體的方向性劑量指導，卻同時聲稱自己「不是醫療器材」，或在「僅供教育指引」的標籤下規避醫療設備法規。**我不知道監管機構對此會怎麼想。這類自訂 GPT 實際上並不可靠，它們可能會說「我總是驗證資訊」或「我從不產生幻覺（Hallucinate）」，但現實是它們確實會。它們無法控制，這就是它們被構建的方式。
一個「可靠的臨床 AI」應該做到：
上述這些條件，在目前的自訂 GPT 中完全不存在。如果你要測試一個自訂 GPT 是否具備臨床安全性，只要它無法滿足這些條件，簡單的答案就是：別浪費時間了。
臨床準則與未來的出路
當然，只要有 AI 在，就一定會有商業應用的出現，因為大家都必須搭上這班順風車，包含 Dexcom 和 Abbott 也不例外。Dexcom 推出了智慧食物記錄（Smart food logging，自去年夏天在美國推出），Abbott 也有 LibreAssist（在 2026 年 CES 才剛亮相）。目前關於這些工具的數據還不多，使用者的反饋主要來自 Reddit 等論壇，老實說，評價並不是太好。但也只能說，現況就是如此。
還有一個叫做 Snatch（或 Snaq）的應用程式進行了隨機對照試驗（RCT）。在短期內，它確實使 TIR（目標範圍內時間）改善了 6.6%，但它也有不少問題：它需要使用昂貴的 iPhone，並且要把食物放在「白色的盤子」上才能獲得最佳的準確度。而且，如果你有一段時間不使用它，或者當你停止使用後，人們本身並沒有從中學到任何東西。
所以，我們該如何推進？ 顯然，目前的 AI 工具互動方式並不能真正減輕糖尿病的負擔。一直拍照記錄食物是否會加劇飲食失調（Eating disorders），這也是個疑問。我們真正需要的是一個「直接管用（Just works）」的東西，你不需要一直跟它來回拉扯。
在英國，糖尿病科技網路（DTN-UK）已經在 2026 年發布了一套準則，指導臨床醫師如何與患者討論使用大型語言模型：
我們並不是要阻止 AI 進入糖尿病照護領域，我們是要確保它「贏得被信任的權利」。 （The goal is not to stop AI in diabetes care—it's to ensure it earns the right to be trusted.）
的確，AI 具有極大潛力來減少第一型糖尿病管理的認知負擔。但現實是，我們還沒達到那個階段。廣義的 AI、2D 電腦視覺和應用於生物數據的 LLM 目前在自主臨床操作上是不安全的。為了在未來有效運作，我們需要一種更嚴謹的混合架構模型（Hybrid architecture model）。
最核心的一點是：下一代基於人工智慧的糖尿病科技，絕對不能以對話的流暢度來定義，而必須展現對使用者安全的絕對承諾與數學上的確定性。
總結：Patrick Dempsey 比喻
在場的各位，大家還記得《實習醫生（Grey's Anatomy）》裡的「白馬醫生（McDreamy）」嗎？他是個外科醫生，對吧？ 但他是由男演員 Patrick Dempsey 扮演的。這點非常重要。
在簡報畫面上，我們看到一張 Patrick Dempsey 穿著白袍、掛著聽診器的照片。 他說話的樣子像個醫生，他走路的姿勢像個醫生，他脖子上掛著聽診器就像個醫生，他甚至會開刀——至少我在電視上看到他在動手術。
但是，我會跑去找 Patrick Dempsey，要求他在我身上動手術嗎？ 我當然不會！因為 Patrick Dempsey 是一個「演員」，他根本不會開刀。
大型語言模型（LLM）也是如此。 它看起來像醫生，聽起來也像醫生，但它只是一個「扮演醫生的演員」。所以，請務必尋求第二意見（Get a second opinion）。
非常感謝大家。
Q&A 問答時間
主持人： 我們大約有 10 分鐘的 Q&A 時間。如果您有任何問題，可以走到麥克風前。Maria，您可以加入我們台上的行列。我們這裡有一個給您的問題。
主持人： Tim，在你演講之後，系統裡收到了一個關於你剛剛提到的 App 的問題。發問者住在義大利，他說：「我通常建議患者使用內建『官方義大利人口營養成分表』的應用程式。你同意這個作法嗎？還是你覺得這沒有必要？」今天我們有來自世界各地的人，所以，資料庫具備國家/地區特異性重要嗎？你的看法是什麼？
Maria（與談人回應）： 這是一個非常有趣的問題。非常感謝。是的，其中一個超級重要的因素就是背後使用的營養資料庫，它必須能夠反映該人口的飲食習慣、文化參數等等。所以，選擇一個能反映當地人口需求的 App 是可取的。但或許我們更需要做的，是嘗試在我們的國家中，至少「驗證（Validate）」一款能夠讓糖尿病患者或想要減重的人安全使用的 App。這裡的關鍵問題是，我們對於每個國家及其特定人口，還沒有足夠數量經過驗證的應用程式。
主持人（轉向講者）： 那就大型語言模型（LLMs）來說，你有觀察到什麼嗎？它們背後使用的是什麼樣的營養數據？是針對特定國家的嗎？
Tim Street： 它們使用的是整個網路（Web）。
主持人： 是的。
Tim Street： 它們就是直接使用網路。所以它們正在提取網路上現成的數據，它們從 MyFitnessPal 抓資料，從 Carbs & Cals 抓資料。它們從所有公開的來源提取數據，而這正是導致回答不一致的原因。因為它的運作方式只是從它接受訓練的「所有網路數據」中，去預測下一步該給你什麼答案。
主持人： 是的。我認為這也非常有趣，因為我們也知道在所有這些應用程式中，輸入飲食資訊（Imputing dietary information）的方式各不相同，而且並非所有的資料都是經過驗證的（Verified）。所以這本身也帶來了某種程度的誤差。