研究所論文方向 2026-09-22
- 目標學程：東吳大學資料科學系碩士
- 語料：4 則去重（AADC 基因療法健保、NGS 健保討論、亨丁頓舞蹈症基因篩檢、生技臨床）
- 硬規則：A/B/C 三題；口語主題；AI 整合；指導教授僅教授／副教授前二名
A. 長照醫療
專題主題
健保通過罕見病基因療法——治療後孩子能不能坐、照顧負荷有沒有降，怎麼用AI追蹤與預測？
正式題名草稿
罕見疾病基因療法納入健保後之治療反應軌跡、家庭照顧負荷與照護資源配置：機器學習預測與公平性評估
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
以去識別縱向功能量表與照顧負荷代理變數建立預測模型；比較基線與 ML，並做公平性分層與模型卡；禁止直接決定給付。
值得研究的理由
本日語料為 AADC 基因療法健保給付與長期追蹤成效，並凸顯照護者壓力；另有亨丁頓舞蹈症基因篩檢案例。近 30 日已涵蓋資安、訪視 Agent 等；本日改評基因療法後之負荷與資源配置。
市場／可行性／目的
- 市場：健保／照管需要給付後監測證據
- 可行性：去識別量表＋小樣本策略即可建模
- 目的：量化治療反應、負荷與公平性風險
建議指導教授（前二）
1. 丁德天（副教授）— 高齡醫學、精神流行病學、社會網絡分析
2. 葉向原（教授）— 機器學習、資料探勘、生物資訊
分數
理論 8／實用 8／市場化 9
依據語料 id
1, 3
---
B. 學齡教學
專題主題
健保在談基因療法、基因定序——國高中生物課用AI教「基因檢測與罕見病」，怎麼證明學生真懂又不製造焦慮？
正式題名草稿
生成式AI輔助國高中基因科學與罕見疾病素養教學：概念理解、迷思矯正、焦慮風險與數位落差評估
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
以課綱題庫與教師黃金回饋評測生成式 AI 教練；比較理解、迷思、焦慮與誤導，並做資源分層公平性。
值得研究的理由
本日語料同時有基因療法、NGS 與遺傳篩檢社會關注。近 30 日已涵蓋資安教學、作文小模型；本日改做學齡基因素養 AI 教學的成效與焦慮風險。
市場／可行性／目的
- 市場：學校需要可驗證的科學素養 AI 規格
- 可行性：API＋準實驗＋未成年人保護即可
- 目的：量化理解、迷思、焦慮與落差
建議指導教授（前二）
1. 金凱儀（院長／系主任／教授）— 電腦輔助教學、適性化學習
2. 吳政隆（教授）— 文字探勘、自然語言處理、深度學習
分數
理論 8／實用 9／市場化 8
依據語料 id
1, 2, 3
---
C. AI／AI代理人（優先）
專題主題
健保要討論次世代基因定序怎麼給付——若用「AI代理人」讀報告、查指引、呼叫檢測工具，怎麼評它會不會亂解讀？
正式題名草稿
精準醫療 NGS 報告解讀 Agentic 代理人：工具呼叫軌跡可靠度、幻覺風險與成本—延遲評測框架
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
設計 NGS 報告解讀 agentic 任務集（解析、查庫、對照指引、標記不確定性）；評測工具呼叫軌跡、幻覺、漏檢與成本；比較單次生成／ReAct／僅檢索。
值得研究的理由
本日語料強調 NGS 生物標記檢測與健保給付討論，可延伸為會呼叫工具的報告解讀代理人。近 30 日已有資安修補代理人等；本日改評 NGS 解讀代理人的可靠度與幻覺。
市場／可行性／目的
- 市場：醫院需要可驗證的基因報告 AI 驗收規格
- 可行性：合成／公開報告沙箱＋工具介面即可
- 目的：量化可靠度、幻覺與成本—延遲
建議指導教授（前二）
1. 蘇明祥（副教授）— 自然語言處理、口語對話系統、深度學習
2. 葉向原（教授）— 機器學習、人工智慧、生物資訊
分數
理論 8／實用 9／市場化 9
依據語料 id
2, 1
---
報告層爭議點（恰好 3）
1. 罕見病基因療法進健保後，該先宣示臨床功能改善，還是先用可稽核指標證明家庭照顧負荷與資源配置真的變好？
2. 國高中用 AI 教基因療法／定序時事時，該先追求興趣與分數，還是先卡住迷思、焦慮與城鄉落差？
3. NGS 報告要用會呼叫工具的解讀代理人時，該先信廠商自動化敘事，還是先用統一軌跡指標查清幻覺、漏檢與隱性成本？
三個爭議點
1. 罕見病基因療法進健保後，該先宣示臨床功能改善，還是先用可稽核指標證明家庭照顧負荷與資源配置真的變好？
2. 國高中用 AI 教基因療法／定序時事時，該先追求興趣與分數，還是先卡住迷思、焦慮與城鄉落差？
3. NGS 報告要用會呼叫工具的解讀代理人時，該先信廠商自動化敘事，還是先用統一軌跡指標查清幻覺、漏檢與隱性成本？