LLM 相關三個月內文章 / 第 109 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究調查了頂尖醫學期刊的通訊作者對人工智慧（AI）在研究中的看法。研究於2023年7月至9月進行，針對2022年在15本醫學期刊發表的作者進行線上調查，共有236名受訪者納入分析。結果顯示，40.6%的研究者對AI有中等熟悉度，79.0%認為AI將對未來研究產生重大影響。儘管許多作者缺乏正式訓練，仍開始使用AI進行改寫和校對等任務。研究建議應加強AI訓練及建立指導方針，以更有效地應用於研究中。 相關文章 PubMed DOI

這項研究評估了四個國內語言模型—ERNIE Bot、ChatGLM2、Spark Desk 和 Qwen-14B-Chat—在提供根治性前列腺切除術（PCa）患者的圍手術護理和健康教育諮詢的效率。結果顯示，所有模型的回應品質都很高，且沒有誤導性資訊。Qwen-14B-Chat在各項評估中表現最佳，特別穩定；ChatGLM2在案例分析上也表現不錯。Spark Desk在可理解性上優秀，但全面性和人文關懷稍顯不足，而ERNIE Bot的表現最差。總體來看，Qwen-14B-Chat是提升PCa患者教育和遵從性的最佳工具。 相關文章 PubMed DOI

T細胞受體（TCR）在免疫系統中非常重要，了解其複雜性能提升我們對癌症免疫反應的預測能力。現有方法常忽略TCR序列間的相互作用，影響預測效果。為了解決這個問題，我們推出了BertTCR，一個新穎的深度學習框架，能從TCR中提取更豐富的上下文信息。BertTCR在甲狀腺癌檢測上，曲線下面積（AUC）提升21個百分點，超越三種主流方法，並在2000多個TCR文庫上訓練，展現出強大的分類能力，對癌症免疫狀態預測具有良好前景。 相關文章 PubMed DOI

大型語言模型（LLMs），像是OpenAI的ChatGPT，雖然能生成類似人類的文本，但在網路使用時會有數據隱私的風險，因為用戶資料會傳送到外部伺服器。為了解決這個問題，我們探討在安全的本地網路中使用開源的小型LLMs，特別是在需要保護數據的監管機構中。我們發現某些模型在少量或零樣本學習中表現不錯，甚至達到傳統神經網路的效果，顯示出在安全環境中使用開源LLMs的潛力。 相關文章 PubMed DOI

這項研究探討了將ChatGPT融入醫學教育的可行性，並強調AI能力對醫學生的重要性。52名醫學生參與了混合式學習課程，評估了使用ChatGPT的效果。主要發現包括：學生在整合ChatGPT的課程中滿意度和學習進展高，且對AI技能的重視程度上升。雖然學生對ChatGPT生成的病人資訊評價中等，但使用擴展提示後明顯改善。研究建議將ChatGPT納入醫學教育，以提升學習體驗並發展AI能力。 相關文章 PubMed DOI

這項研究探討了使用生成性大型語言模型（LLMs）來自動化醫學研究中的偏見風險評估（RoB）。研究發現，LLMs在新整理的測試數據集上的表現不如預期，F1分數僅在0.1到0.2之間，與簡單基準相似，顯示其在RoB2預測任務中的效能有限。即使在分解任務中，表現也不佳，遠低於傳統監督系統。這顯示目前的LLMs尚不適合作為RoB2評估的可靠工具。 相關文章 PubMed DOI

這項研究探討大型語言模型（LLMs）在護理教育中的應用，強調轉向更互動的學習環境。研究分析了自2022年以來的文獻，找出19篇相關研究。結果顯示，LLMs在自然語言處理的進步，能改善課程傳遞、促進批判性思維，並模擬複雜的臨床情境。文章全面分析了目前的應用、挑戰及未來研究方向，特別是像ChatGPT這樣的LLMs在護理教育中的使用，並呼籲整合人工智慧以提升教育成果，確保道德與有效性。 相關文章 PubMed DOI

這篇論文提出了一個概念模型，探討影響健康素養的認知因素及社會經濟元素。作者們開發了HEALIE知識圖譜，整合了多種醫學本體論和專家意見的信息。接著，這個知識圖譜與大型語言模型結合，創造出個性化的醫療內容。文中還提供了一個範例，展示這種方法在提升健康素養、幫助個人管理健康及參與醫療決策方面的有效性。 相關文章 PubMed DOI

生成式AI模型如ChatGPT正在改變醫療保健，透過提示工程提升AI輸出的準確性和倫理標準。這個九階段的過程包括：識別應用、了解利益相關者需求、設計量身定制的提示、迭代測試與改進、倫理考量、協作反饋、文檔記錄、培訓及持續更新。研究強調生成式AI在醫療中的應用，確保AI提示能滿足病人及醫療提供者的需求，促進病人對症狀、治療和預防策略的知情決策。 相關文章 PubMed DOI

現代的生成式人工智慧技術，如檢索增強生成（RAG），能顯著提升癌症治療的討論效果。專家通常需花費大量時間審查文獻以尋找證據和建議，但透過RAG流程，這個過程變得更簡單。該流程從可信來源（如OncoKB）檢索相關文本，並提供給大型語言模型（LLM），無需微調。研究顯示，透過向Llama 2模型提出簡單問題，能重現超過80%的治療關係，顯示出減少文獻審查勞動量的潛力，並提升討論效率。 相關文章 PubMed DOI