這項研究用AI自然語言處理技術，分析急診室醫護和病患的對話逐字稿，自動判斷病患緊急程度。研究用1,028份真實對話，透過機器學習和神經網路模型，AUROC分數約0.76，準確度不錯。這方法有助於優先處理急重症、縮短等候時間，提升急診效率，未來結合更強語言模型還有進步空間。 相關文章 PubMed DOI 推理 ♡

這篇回顧分析52篇合成健康紀錄（SHRs）研究，涵蓋醫療文本、時間序列和縱向資料。多數研究聚焦於隱私保護，也有解決資料不平衡、稀缺和補值問題。結果顯示，縱向資料以對抗式網路最佳，時間序列適合機率模型，醫療文本則以大型語言模型表現最優。目前最大缺口是缺乏有效評估合成資料再識別風險的方法。 相關文章 PubMed DOI 推理 ♡

LEMONADE是一套新框架，能根據使用者需求自動設計神經網路架構，特別適合邊緣AI場景（像是有限電力、體積和速度要求）。它結合專家系統和大型語言模型（如ChatGPT-4o），操作簡單，不用事先設定搜尋空間，還能考慮各種限制。實驗證明，LEMONADE設計的網路在多個資料集上表現優異，兼顧準確率和邊緣AI需求。 相關文章 PubMed DOI 推理 ♡

這篇論文提出 LMCEE 方法，把大型語言模型和 prompt learning 結合來擷取臨床事件，F1 分數明顯勝過傳統和舊有生成式方法。不過，LMCEE 的效果很依賴 prompt 設計和 LLM 選擇，還有進步空間。 相關文章 PubMed DOI 推理 ♡

這篇論文提出 BAITSAO 統一模型，利用大型語言模型產生的嵌入來表示藥物和細胞株，並用多任務學習預訓練。BAITSAO 在藥物協同作用預測上表現優於現有方法，未來在藥物開發和基因交互分析等應用也很有潛力。 相關文章 PubMed DOI 推理 ♡

這篇論文提出COMPASS架構，運用大型語言模型，能自動從心理治療會談逐字稿評估治療關係品質，不用再靠傳統問卷。COMPASS分析950多場不同精神疾病的會談，能追蹤病人和治療師互動變化，找出各疾病特有的對話模式，並提供具體、可解釋的建議，協助治療師即時提升治療效果。 相關文章 PubMed DOI 推理 ♡

這篇論文回顧AI，特別是大型語言模型在中醫診斷的應用，整理了機器學習在中醫影像、文字、波形等資料上的進展，並分析LLMs的最新應用。文中也討論AI導入中醫的機會與挑戰，期望為未來研究和智慧中醫診斷技術融入醫療體系提供參考。 相關文章 PubMed DOI 推理 ♡

這項研究用模擬病人測試ChatGPT（GPT-4o和GPT-4-Turbo）在急診分級和門診指引的表現。經過優化後，GPT-4-Turbo用MEWS分級達到100%準確率，優於GPT-4o（96.2%）；GPT-4o在門診科別選擇也有92.6%高準確率，且情感回應更好。結果顯示，經設計的ChatGPT能有效協助急診分級與指引，但還需更多臨床驗證。 相關文章 PubMed DOI 推理 ♡

這項研究推出 LLMonFHIR 行動 App，運用大型語言模型，幫助慢性心血管病人用多種語言、不同難度，甚至語音方式，查詢自己的電子健康紀錄。初步測試顯示，醫師認為 App 回覆正確、好懂又實用。雖然在健康摘要和檢驗數據查詢上還有改進空間，但 LLMonFHIR 有助於解決語言和健康素養障礙，讓病人更容易掌握自己的健康資訊。 相關文章 PubMed DOI 推理 ♡

這項研究開發了一套用大型語言模型自動從電子病歷中萃取多重慢性病患者資料的系統，在中國1,225位患者資料測試下，簡單特徵準確度高達99.6%，複雜特徵也有94.4%。這方法大幅提升效率與可靠性，減少人工處理，但資訊格式標準化仍是挑戰，且系統具高度彈性，適合各種研究或政策需求。 相關文章 PubMed DOI 推理 ♡