這項研究用大型語言模型（LLMs）來分析1996到2024年歐洲醫學資訊學會議的論文資料，大幅提升了作者機構資訊的擷取準確度。結果更清楚地揭示了歐洲主要研究人員、機構和合作網絡，展現LLMs在論文計量分析上的優勢，但也面臨資料標準化和運算資源等挑戰。 相關文章 PubMed DOI 推理 ♡

這項研究比較四種GPT-4方法，把韓國醫院的診斷用語自動對應到SNOMED CT。結果顯示，RAG模型表現最好，有96.2%能成功對應，完全吻合率也最高。RAG的結構性錯誤率最低，但在細節準確度上還有進步空間。整體來說，AI輔助有助於醫療資料標準化，但臨床驗證還需加強。 相關文章 PubMed DOI 推理 ♡

這篇論文提出一套AI系統，能自動分析兒童畫作，產生藝術內容、情感主題和個人化建議的報告。研究團隊用ChatGPT標註5,000張圖，並優化BLIP模型，讓AI能初步進行情感和心理分析，協助藝術治療師、老師和家長更了解孩子情緒，提供早期介入的新工具。 相關文章 PubMed DOI 推理 ♡

這篇論文探討把語法驗證器結合大型語言模型，提升自然語言轉換成FHIR醫療資料的準確度。結果顯示，one-shot和few-shot提示的語法正確率達96%，優於zero-shot的90%。其中，one-shot在語意上也最接近標準答案，是臨床文本產生FHIR資源最有效的方法。 相關文章 PubMed DOI 推理 ♡

**重點整理：** 這篇研究比較了一個大型語言模型（LLaMA3.1）和一個基於BERT的模型，在德文醫療文本中的命名實體辨識（NER）表現，特別著重在訓練資料有限的情況下。兩個模型的表現相近，但在訓練資料較少時，LLaMA3.1的表現略優於BERT-based模型。 相關文章 PubMed DOI 推理 ♡

這篇論文比較了在 XL-BEL 多語言生醫資料集上，判別式和生成式大型語言模型做跨語言生醫概念正規化的效果。結果發現，判別式模型 e5 表現最好，生成式模型以 BioMistral 最優。相關程式碼已公開在 GitHub。 相關文章 PubMed DOI 推理 ♡

這篇論文發現，用 Chain of Thought（CoT）提示法能讓小型語言模型在醫學問答上表現更好、更透明，特別是在 PubMedQA 資料集上效果明顯。CoT 幫助模型逐步推理，提升準確度和可解釋性。不過，遇到很專業的題目還是有困難。若結合檢索增強生成等技術，小型模型未來有機會追上大型模型。 相關文章 PubMed DOI 推理 ♡

這篇論文用大型語言模型產生了1.7萬則帶有不良藥物事件標註的合成推文，解決社群媒體上缺乏標註資料的問題。用這些資料預訓練的NER模型，在真實推文上表現更好，經人工標註資料微調後更創新高，證明合成資料能大幅提升ADE偵測效果，且資料集已公開。 相關文章 PubMed DOI 推理 ♡

這個專案用標準化流程和大型語言模型來分析MAUDE資料庫裡醫療器材報告的自由敘述，提升事件分類的準確率和效率。以內視鏡黏膜切除術為例，這方法也能應用到其他醫材。不過，若要做更全面的病人安全研究，還需要更多元且大量的報告樣本。 相關文章 PubMed DOI 推理 ♡

奇美醫院自2019年起打造AI雲端平台，已在各科室導入30多項預測型AI工具。2023年再引進生成式AI（如GPT、語音轉文字），協助醫療文件處理，減輕醫護壓力、提升品質。這套安全平台也服務其他醫院，未來將持續擴展，推動醫療平權與縮小數位落差。 相關文章 PubMed DOI 推理 ♡