隨著神經外科文獻不斷增加，手動篩選系統評價和指導方針的摘要變得越來越困難。為了解決這個問題，我們評估了兩個大型語言模型（LLMs），Gemini Pro 和 ChatGPT-4o-mini，針對美國神經外科醫學會的 Chiari I 畸形指導方針進行自動篩選。測試結果顯示，Gemini Pro 的敏感性高達 95%，特異性 60%，而 ChatGPT-4o-mini 的敏感性僅 18%，但特異性高達 95%。兩者都能在一小時內完成篩選，顯著縮短時間。這些結果顯示 LLM 在神經外科摘要篩選上的潛力，未來可能幫助醫學領域的指導方針實時更新。 相關文章 PubMed DOI 推理 ♡

這項研究探討人工智慧（AI）在簡化骨科創傷病患教育材料的有效性。分析了35篇來自第1級創傷中心的文章，並使用Python程式評估其可讀性。經過四次GPT AI模型改寫後，所有模型成功降低了文章的閱讀年級水平，特別是GPT-4o-Mini和GPT-4o表現最佳，而GPT-3.5-Turbo效果較差。成本分析顯示，GPT-4o每篇文章費用為0.61美元，雖然較貴，但準確性高。研究結論認為，AI能有效簡化病患教育材料，且保持準確性。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs），像是ChatGPT，正被研究用於增強慢性腎臟病（CKD）患者的營養指導。為了發揮其最佳效能，醫療專業人員、患者及照顧者的合作至關重要。雖然LLMs能提供食譜建議，但在分析電解質和卡路里等重要營養成分上仍有不足。未來的技術進步預期能改善這些能力，實現精確的營養分析和烹飪輔助工具。CKD社群的參與對於推動人工智慧在營養護理中的應用非常重要，並需保持批判性思維。 相關文章 PubMed DOI 推理 ♡

這項研究探討人工智慧（AI）在改善傳染病臨床決策中的角色，特別是抗生素處方的指導。透過系統性文獻回顧，評估了AI技術在抗微生物管理中的有效性。結果顯示，十七項研究中，機器學習作為臨床決策支持系統（CDSS）能有效預測抗藥性並優化抗生素使用；而六項大型語言模型的研究則顯示處方錯誤率較高，需精確提示才能獲得準確回應。研究強調傳染病專家的重要性，並指出AI需經過嚴格驗證才能有效整合進臨床實踐。 相關文章 PubMed DOI 推理 ♡

慢性腎臟病（CKD）是全球公共健康的重大挑戰，導致心血管疾病和死亡率上升。為了改善CKD管理，這篇回顧分析了2014至2024年間41篇文章，探討人工智慧（AI）在早期檢測、風險預測、治療建議及病人護理中的應用。研究顯示，AI能有效提升病人結果，但實施過程中面臨數據質量、模型準確性及工作流程整合等挑戰。成功整合AI需醫療界、研究者及監管機構的合作，以確保病人安全和法律合規。 相關文章 PubMed DOI 推理 ♡

這項研究探討使用OpenAI的Whisper模型來檢測超鼻音，這是一種與軟顎咽部不足（VPI）相關的語音障礙，對心理社會和功能影響重大。傳統診斷方法需專業技術和設備，資源有限時難以取得。 研究人員調整Whisper模型進行二元分類，並在包含184個音頻錄音的數據集上訓練，結果顯示測試準確率達97%，F1分數為0.97，超越傳統機器學習方法。Whisper模型在各種錄音條件下表現優異，所需訓練數據量少，顯示其在超鼻音檢測中的可擴展性和效率，能有效優化臨床資源配置。 相關文章 PubMed DOI 推理 ♡

這項研究探討了大型語言模型（LLMs），如ChatGPT-4、Bing和Bard，對肝臟病學臨床問題的回答效果。研究於2023年9月進行，涵蓋144個多選題和開放式問題。結果顯示，ChatGPT-4在多選題的準確率為62.3%，開放式問題則為44.4%，均為最高；Bing和Bard的表現則較低。值得注意的是，ChatGPT-4和Bing回答了所有問題，而Bard有11.8%的問題無法回應。研究建議需進一步探討如何在臨床和教育中最佳利用這些模型。 相關文章 PubMed DOI 推理 ♡

這項研究評估了OpenAI的ChatGPT-4在提供心房顫動相關資訊的準確性。研究使用108個結構化問題，涵蓋治療選擇和生活方式調整，由三位心臟科醫師根據準確性、清晰度和臨床相關性評估其回答。結果顯示，ChatGPT-4在「生活方式調整」和「日常生活與管理」表現良好，但在較複雜的問題上則表現不佳。整體而言，雖然它在簡單主題上有潛力，但對於需要深入臨床見解的複雜問題仍有局限。 相關文章 PubMed DOI 推理 ♡

這項研究評估了大型語言模型（LLM），特別是ChatGPT 4o，生成的國家牙科考試風格問題的質量，並與人類專家設計的問題進行比較。研究於2024年6月進行，30名高年級牙科學生參與，從教科書中生成44個問題，最終選出20個LLM組問題，另一組則由兩位專家設計。分析重點在難度、區分指數和干擾項效率。結果顯示，LLM組的問題在難度和區分指數上表現優於人類組，但差異不顯著。總體來看，LLM生成的問題質量與人類專家相當。 相關文章 PubMed DOI 推理 ♡

這項研究回顧了大型語言模型（LLMs）在生成病人教育材料（PEMs）的應用。研究人員根據JBI指導方針，從五個資料庫中篩選出69項相關研究，並提取了21個變數，分為五個主題。主要發現包括：美國的研究最多，最常用的LLM是ChatGPT-4、3.5和Bard，大多數研究集中在評估生成回應的準確性和可讀性，只有三項研究使用外部知識庫，且大部分提示為英語。總體而言，這項回顧顯示LLMs在創建有效病人教育材料方面的潛力，並指出評估框架和多語言應用的不足。 相關文章 PubMed DOI 推理 ♡