LLM 相關三個月內文章 / 第 105 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究調查了醫療病房中出院處方的潛在藥物間相互作用(pDDIs),並比較了Micromedex與AI模型ChatGPT-4.0的有效性。研究涵蓋301名患者,發現60.13%的患者有pDDIs,平均每位患者有3.17個。ChatGPT-4.0在識別pDDIs方面準確率達100%,但在嚴重性和發作時間的準確率較低。多重用藥顯著增加pDDIs的風險。雖然ChatGPT-4.0顯示潛力,但醫療專業人員仍需保持警覺以管理藥物相互作用。 相關文章 PubMed DOI

最近的研究發現,將Transformer模型與條件策略結合,可以有效提升離線強化學習的表現。傳統強化學習是依序接收觀察,而Transformer則同時處理多個觀察,這可能影響特徵提取及決策的準確性。為了解決這些問題,我們利用預訓練模型的少量學習特性,並結合提示學習來改善即時政策調整。透過從離線數據中抽樣特定信息,我們能快速掌握任務特徵。實驗結果顯示,我們的方法在相關任務中表現優於基準,並提升了對新環境的泛化能力及決策的穩定性。 相關文章 PubMed DOI

人工系統是否能行動是人工智慧哲學中的重要議題,從架構和行為兩個角度探討此問題非常有意義。 1. **架構角度**:分析人工系統的基本結構與設計,探討其演算法及運作框架,關鍵問題包括AI系統的架構是什麼、不同架構如何影響行動能力,以及主體性是否僅是行為的功能。 2. **行為角度**:聚焦於人工系統在環境中的行動與互動,考慮如何定義「行動」、人工系統需滿足什麼標準才能被視為主體,以及其行為與生物主體的比較。 透過這些探討,我們能更深入理解人工系統的主體性,並在倫理、設計及未來發展上提供指導。 相關文章 PubMed DOI

這項研究探討了使用GPT-4作為神經科學及醫學領域的病史採集工具。研究人員進行了一項觀察性試點研究,利用已發表的案例報告來獲取病史資料。研究使用三個模型來評估病史的準確性,結果顯示整體內容檢索準確率為81%。其中,頭痛的準確率為84%,中風82%,神經退行性疾病77%。雖然結果顯示這個大型語言模型能有效提取重要資訊,但仍需進一步驗證,以結合電子病歷和病人護理,發展更完善的診斷工具。 相關文章 PubMed DOI

當前全球醫療保健面臨許多挑戰,顯示出臨床與科學界合作的重要性。不過,數據共享與病人隱私的法規問題可能會影響數據的獲取。為了解決這些問題,我們開發了NVIDIA FLARE,這是一個開源的聯邦學習框架,能在保護病人隱私的同時促進數據合作,並運用先進的加密技術來保障數據安全。我們展示了NVIDIA FLARE如何應用於預測COVID-19病人結果,並探討其他實際應用,讓數據擁有者能夠控制自己的信息。 相關文章 PubMed DOI

這項研究探討如何透過提示工程提升ChatGPT在肺結節篩檢中生成電子病歷的能力。研究評估了ChatGPT在患者與醫療提供者口頭諮詢中創建電子病歷的表現,並將這技術整合到像微信小程序等實用工具中,方便患者就醫前使用。結果顯示,ChatGPT顯著提升了臨床環境中的工作流程效率和診斷過程。 相關文章 PubMed DOI

最近的「-omics」技術進展讓我們對心血管疾病有了更深入的了解,並催生了「數位組學」這一新概念,結合了多種數據來源,如生理數據和可穿戴設備的生物識別數據。人工智慧和機器學習在這裡扮演關鍵角色,特別是在數位心音圖和AI文本生成器的應用上。這些技術能客觀分析心音,並在醫學知識評估中表現優異。儘管面臨挑戰,如保持知識的更新和確保輸出可靠性,但隨著技術的進步,未來在精準心血管醫學上有望取得顯著成效。 相關文章 PubMed DOI

這項研究探討了使用ChatGPT協助先天性心臟病患者在心血管手術會議中的決策。研究分析了37個案例,發現ChatGPT能在10到15秒內準確總結案例,並在94.5%的情況下正確識別診斷。手術計畫與會議共識一致的比例為40.5%,而手術時機一致性為62.2%。研究建議ChatGPT可作為有價值的工具,特別在較簡單的案例中,但對於複雜情況仍需謹慎,並強調專家監督的重要性。 相關文章 PubMed DOI

這項研究首次探討大型語言模型(LLMs)在環境決策中的應用,分析其潛在優勢與限制。研究提出兩個框架:一是LLMs輔助的框架,增強人類專業知識;二是LLMs驅動的框架,自動化優化任務。透過水工程中PFAS控制的案例,顯示這兩個框架在環境決策中的優化效果。結果顯示,LLMs輔助框架在調節流量和改善PFAS攔截上表現良好,而LLMs驅動框架在複雜參數優化上則面臨挑戰。研究強調人工智慧應輔助而非取代人類專業知識,為未來的合作奠定基礎。 相關文章 PubMed DOI

最近的人工智慧進展讓大型語言模型能針對特定領域進行客製化,像是醫學教育。本研究評估了一個專為提升醫學生和醫師臨床知識的客製化GPT模型,結果顯示其準確率達83.6%,高於一般AI模型。住院醫師對此模型的滿意度高,特別是它能促進學習獨立性和信心。這些發現顯示,客製化GPT有潛力改善醫學教育,但學習者和教育者仍需批判性地評估AI生成的內容。 相關文章 PubMed DOI