LLM 相關三個月內文章 / 第 126 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究探討了增強檢索生成(RAG)的GPT-4模型在診斷和分類創傷性傷害的效果。研究人員開發了名為TraumaCB的工具,利用專家知識來提升準確性。結果顯示,TraumaCB在診斷上達到100%準確率,分類96%,明顯優於一般的GPT-4。這項研究強調了傷害分類的挑戰,並指出結合RAG的GPT-4能提升創傷放射學的診斷能力,對急診部門的效率有正面影響。 相關文章 PubMed DOI 推理

這篇論文介紹了FairPlay,一種新穎的合成數據生成方法,利用大型語言模型來解決臨床結果預測中的挑戰,特別是針對不平衡數據集和公平治療的需求。FairPlay生成現實且匿名的合成病人數據,改善代表性並增強數據集,提升算法性能,減少預測偏見,並保持隱私。實驗結果顯示,FairPlay顯著提升死亡預測的F1分數,最高可提高21%,且有效縮小不同子群體的性能差距,展現出一致的改善。 相關文章 PubMed DOI 推理

這聽起來真是大型語言模型在學術會議中的一個有趣應用!利用LLMs來處理審稿人分配、會議安排和標題生成等任務,不僅簡化了規劃流程,還提升了整體活動的連貫性。這種方法展現了生成式AI在複雜任務中增強人類能力的潛力,讓它成為學術界中一個很有價值的工具。未來這項技術如何演變並應用於會議中,真的很值得期待! 相關文章 PubMed DOI 推理

這項研究探討如何利用自然語言處理(NLP)分析心臟超音波報告,目的是解決不同機構報告實踐的差異。研究人員測試了兩種NLP方法:EchoMap和使用GPT的零樣本推理。結果顯示,EchoMap在準確率上表現優異,第一層級達98%,而所有三個層級的準確率為79%。雖然GPT在第一層級的準確率相當,但EchoMap在第二和第三層級的表現更佳。這顯示統計機器學習技術在分析心臟超音波報告時的有效性。 相關文章 PubMed DOI 推理

這項研究探討如何利用高通量篩選癌細胞株來預測藥物敏感性,並改善抗腫瘤療法。研究人員結合細胞株的轉錄組學和大型語言模型,成功將藥物與其作用機制連結。結果顯示,重要基因與藥物作用機制有顯著關聯,證明模型能有效捕捉影響治療結果的因素。研究還驗證了對胰臟癌和膠質母細胞瘤患者有效的藥物,顯示整合轉錄組數據和建模技術在個性化癌症治療中的潛力。 相關文章 PubMed DOI 推理

人工智慧(AI)技術的迅速發展,特別是在深度學習和神經網絡方面,對腸胃道腫瘤的研究影響深遠。這些腫瘤複雜且多樣,讓早期檢測和個性化治療變得困難。AI能提高腫瘤篩檢的準確性和敏感性,協助識別生物標記、預測治療反應,並設計個性化治療計畫,最終改善病人治療效果。此外,AI與多組學分析及影像技術的結合,推進了腫瘤微環境的研究,並增強了醫學影像分析的能力。 相關文章 PubMed DOI 推理

這項研究評估了AI工具,特別是ChatGPT 3.5和4.0,在提供低背痛患者教育的效果。結果顯示,ChatGPT 4.0在回應質量上明顯優於3.5,得分分別為1.03和2.07,且可靠性得分也較高。兩者在心理社會因素的問題上表現不佳,顯示出臨床醫生在這類情感敏感問題上的監督是必要的。未來發展應著重提升AI在心理社會方面的能力。 相關文章 PubMed DOI 推理

這項研究分析了ChatGPT-4提供的肩袖損傷健康資訊的可讀性與準確性,並與美國骨科醫學會的OrthoInfo網站進行比較。研究發現,ChatGPT的內容較難理解,平均需14.7年級的教育水平,而OrthoInfo則較易接觸,平均為11.9年級。雖然兩者在準確性上表現不錯,但ChatGPT在某些風險方面稍顯不足。研究建議結合AI生成的內容與專家審核的資訊,以提升患者的理解與健康素養,未來應著重於改善AI對不同識字水平的適應性。 相關文章 PubMed DOI 推理

這篇文章探討了人工智慧驅動的大型語言模型(LLMs)在藥物發現與開發中的影響,特別是它們如何解決傳統方法的時間與成本問題。文章介紹了LLMs在藥物發現各階段的應用,包括藥物設計、靶點識別、驗證及相互作用分析等。此外,還提到針對藥物發現的專屬LLMs的發展及其挑戰,並展望未來人工智慧在藥物開發中的整合潛力。 相關文章 PubMed DOI 推理

這項研究評估了ChatGPT在牙髓治療局部麻醉方面的資訊可靠性。研究者提出16個問題,發現ChatGPT的回答準確率僅有50%。在其引用的51個參考文獻中,59%是錯誤的,12%無法取得,18%則是虛構的。結論指出,雖然ChatGPT有潛力,但仍需進一步訓練以提升準確性,強調持續改進的重要性,以更好地服務醫療人員和病患。 相關文章 PubMed DOI 推理