臺灣在2025年2月的超額死亡率達到29%，創下後疫情超額死亡新高，可能原因包括(1)疾病面: 後疫情社區免疫力降低如後疫情呼吸道相關併發症增加、癌症及慢性病過去三年負債導致患者增加，以及後疫情長新冠增加; (2)生態面: 包含臺灣正面臨嬰兒潮世代與 X 世代人口結構挑戰導致癌症及慢性病人口增加、自然死亡增加以及氣候變遷導致低溫等因素; (3)社會面: 後疫情社交活動增加且防疫文明鬆懈。對於超額死亡監視及成因剖析應持續關注，特別是老化社會疾病加速導致醫療需求上升，可能加劇未來超額死亡情形。然而爲因應目前需求層面上升如: 急診壅塞問題，臺灣也採取「轉診綠色通道」策略搶救急診壅塞，主要措施包括各醫院間協調、提升病床調度效率以及協助分流下轉病人。
國際疫情方面，美國近期麻疹疫情激增，已造成2人死亡，主因是由於當地疫苗接種率偏低。另一方面，剛果亦正面臨新型M痘變種病毒威脅，感染病例已超過40例。需要進一步監視國際間M痘疫情以防治未來流行。此外，WHO公布新一季流感疫苗組成建議，包含三價和四價疫苗，並在荷蘭成立「AI健康治理合作中心」，專注於人工智慧在醫療領域應用與規範。本週最新科學實證提供醫學領域新突破，包括: 子宮內基因療法和CAR-T細胞治療為罕見遺傳病與癌症治療帶來新希望以及分子時鐘技術則可透過DNA甲基化標記揭示生物年齡與健康狀態，未來有望在抗老與慢性病管理上發揮重要作用。
本週專題聚焦於大型語言模型（LLM）在精準營養健康上應用，特別是如何為不同健康條件者提供個人化精準營養建議。首先，GPT-4V 等多模態語言模型展示其在飲食營養測量中強大功能，能透過用餐前後照片精準判定食物份量及營養成分，並根據個人健康數據提供營養資訊並進行個人化飲食推薦。
此外，也深入探討ChatDiet如何結合大型語言模型與個人化營養模型提供更個人化飲食建議。透過個人化健康數據蒐集用戶睡眠品質、生理數據、體重、BMI、飲食紀錄、健康指標等數據，並結合機器學習發展個人化營養模型以提供個人化營養建議，除了能能針對用戶健康目標與數據，給出精準膳食方案，並用淺顯易懂語言提供用戶相關營養知識。