這項研究探討加拿大醫生提供醫療協助死亡（MAiD）服務時所面臨的情感與道德影響。訪談22位早期實施者發現，雖然MAiD情感上具挑戰性，但也能帶來成就感。醫生們感受到支持病人自主權和減輕痛苦的正面影響，但同時也面臨專業責任與個人感受的緊張。病人的感激和選擇對他們的經驗有正面貢獻，而不確定性和衝突則是挑戰。總體來看，提供MAiD對醫生而言是一種有意義的實踐，強調理解這些影響的重要性，以支持未來的規範和相關利益者。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT（3.5和4版本）在回答美國醫學執照考試（USMLE）風格的醫學倫理問題的表現，並與醫學知識問題進行比較。研究使用54個問題進行測試，結果顯示： - 兩個版本在醫學倫理問題上的表現不如知識問題。 - GPT-4在倫理問題的準確率比知識問題下降18%，GPT-3.5則下降7%（差異不顯著）。 - GPT-4在倫理問題上比GPT-3.5好22%，知識問題上好33%。 - GPT-4的回答變異性較低，顯示其穩定性較佳。 這些結果強調了持續評估ChatGPT在醫學教育，特別是醫學倫理領域的必要性。 相關文章 PubMed DOI ♡

生成式人工智慧（GenAI）能創造原創內容，模仿人類思考，對醫療保健等領域影響深遠。不過，它也帶來網路安全的隱憂，如數據隱私、數據中毒、偏見及不準確輸出等問題。為了降低這些風險，建議採取風險緩解策略，強化GenAI的網路安全。此外，了解GenAI的複雜性與風險，對於在醫療產業中發揮其潛力至關重要，能成為變革的推動力。 相關文章 PubMed DOI ♡

這項研究評估了三個AI模型—ChatGPT、Bard和BingChat—在骨科住院醫師訓練考試中的表現。結果顯示，ChatGPT的準確率為46.3%，BingChat為52.4%，Bard為51.4%。排除圖像問題後，準確率有所提升，ChatGPT達49.1%，BingChat 53.5%，Bard 56.8%。相比之下，醫學生的表現為30.8%，而PGY1至PGY5住院醫師的準確率分別為53.1%到71.9%。整體來看，這些AI模型的表現與第一年住院醫師相似。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs）在解讀Lung-RADS以進行肺癌篩檢中的整合，強調它們在改善放射學實務方面的潛力。結果顯示，Claude 3 Opus和Perplexity的準確率達到了驚人的96%，在表現上超越了其他模型。 相關文章 PubMed DOI ♡

這項研究探討了大型語言模型（LLMs），如GPT-3.5、GPT-4和Llama，在提取針灸穴位位置關係的有效性，特別是使用世界衛生組織的標準作為數據集。研究標註了五種穴位關係，並根據精確度、召回率和F1分數評估模型表現。結果顯示，微調後的GPT-3.5表現最佳，達到最高微平均F1分數0.92，顯示針灸領域的微調對關係提取的重要性。研究建議LLMs可增強針灸的臨床決策支持及教育資源，推進傳統醫學的資訊學發展。 相關文章 PubMed DOI ♡

這項研究探討生成性大型語言模型（LLMs）在分析公共健康相關社交媒體內容的可行性，特別是疫苗言論。研究發現，LLMs通常能有效識別人類專家所關注的主題，且錯誤信息出現率較低。雖然LLMs的分析深度不及人類專家，但專家認為其生成的主題仍然合理且相關。總體來看，LLMs在處理健康相關社交媒體內容方面展現出顯著潛力，未來可能有助於公共健康策略的制定與社區關注的理解。 相關文章 PubMed DOI ♡

這項研究評估了三個大型語言模型（LLMs）在家庭醫學住院醫師訓練考試中的表現，使用了2022年的193道選擇題。結果顯示，ChatGPT 4.0 獲得167分（86.5%），標準化分數730，顯示出100%通過專科考試的機會。相比之下，ChatGPT 3.5 和 Google Bard 的得分較低，分別為66.3%和64.2%。只有ChatGPT 4.0 超過了住院醫師第三年的國家平均分68.4%。研究結果顯示，ChatGPT 4.0 可能是提供醫學概念解釋的有用工具。 相關文章 PubMed DOI ♡

生成式人工智慧（AI）和大型語言模型在資訊處理上有重大進展，特別是在醫學教育中。雖然這些技術帶來機會，但也面臨挑戰，如生成錯誤資訊、偏見、實施成本高及數據安全問題。為了克服這些挑戰，建議改善AI訓練數據、建立驗證流程及遵循倫理指導。儘管如此，生成式AI仍有潛力提升醫學教育，包括個性化教學、模擬臨床情境、及時反饋和簡化評估等，未來可望為醫療專業人員提供更有效的學習體驗。 相關文章 PubMed DOI ♡

這篇文章介紹了心理體系（Psychomatics），探討大型語言模型（LLMs）與人類在資訊處理上的差異。雖然LLMs在學習和語言使用上展現出類似的認知技能，但其基本過程卻截然不同。心理體系透過比較LLMs與生物系統，分析它們在獲取、記憶和利用資訊上的差異。LLMs能夠有效操控語言模式，但缺乏人類的情感和經驗，限制了對複雜關係的理解。最終，這個框架旨在深入了解語言、認知和智慧，並指導更具人性化的人工智慧系統發展。 相關文章 PubMed DOI ♡