這篇論文介紹一款Android語音聊天機器人，能根據醫學文獻和17項健康變數的知識庫，給予個人化健康建議，涵蓋約1.5億種健康情境。未來將升級為知識圖譜並結合大型語言模型，讓健康諮詢更自然、更懂情境。 相關文章 PubMed DOI 推理 ♡

這項研究比較GPT-4o、GPT-4o-mini和Llama 3.1:8B在自動化系統性回顧的表現，發現GPT-4o在摘要篩選最優（召回率0.894，精確度0.492），並提出有效調整篩選門檻的方法。偏誤風險評估方面，LLM表現依領域不同而異。整體來說，LLM對自動化系統性回顧有幫助，但還有待改進。 相關文章 PubMed DOI 推理 ♡

作者開發了一款結合大型語言模型的嚴肅遊戲，能模擬照顧者與神經性厭食症青少年之間的對話，協助家庭練習支持性溝通。系統透過專家回饋和少量範例學習，能產生真實且具治療效果的對話，無需大規模重新訓練，提升數位治療訓練的規模與成效。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT在日本醫療資訊考試中，醫療保健、資訊科技和健康資訊系統領域表現不錯，但在標準和法律題目上較差。結論提醒，ChatGPT的答案可能有誤，查詢相關資訊時要特別謹慎。 相關文章 PubMed DOI 推理 ♡

在電子病歷中找出藥物不良事件（ADEs）很困難，因為相關資訊多藏在醫師的自由書寫紀錄裡。人工審查又很耗時，所以需要自動化工具。這項研究用大型語言模型來偵測ADEs，發現不到15%的出院紀錄會明確記載ADEs與藥物的關聯，顯示通報機制還有很大改進空間。 相關文章 PubMed DOI 推理 ♡

這項研究開發了一個用大型語言模型打造的聊天機器人，專門幫助年長者練習正念。研究先讓15位年長者用一般正念App，收集他們對語音、個性、互動性和操作便利的意見，再用這些回饋微調ChatGPT，設計出AI正念教練，並邀請年長者參與評估。 相關文章 PubMed DOI 推理 ♡

這項研究發現，用大型語言模型（像Llama3和Phi3）分析護理紀錄來偵測譫妄，比傳統的關鍵字比對更準確。特別是finetuning後的Phi3（3.8B）模型，準確率高達90.24%，AUROC也有96.07%，顯示AI有助於提升臨床譫妄偵測的效率和準確性。 相關文章 PubMed DOI 推理 ♡

這項研究發現，GPT-4自動分配醫療收費代碼的正確率偏低，僅約2到3成，無論是根據代碼描述還是實際門診紀錄。雖然GPT-4有潛力，但目前還無法精確處理醫療收費代碼的複雜細節，實務應用上還有很大進步空間。 相關文章 PubMed DOI 推理 ♡

**重點摘要：** CoDESIGN 計畫正在研究如何利用 ChatGPT 來簡化失智症相關資訊，讓閱讀能力較低的人也能理解，同時確保內容的正確性與完整性。雖然 ChatGPT 能提供協助，但在分享這些文件之前，還是需要人工審查來確保品質。 相關文章 PubMed DOI 推理 ♡

這篇研究發現，大型語言模型（LLMs）雖然有潛力協助找出醫療紀錄中容易被忽略的間接病人識別資訊，但目前標記出來的很多其實是誤判。要真正把LLMs用在去識別化流程，還需要更多研究，才能確保病人隱私，同時又能安全分享醫療資料。 相關文章 PubMed DOI 推理 ♡