LLM 相關三個月內文章 / 第 149 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

這篇研究用教科書資料測試RAG系統來回答放射科問題,結果比傳統方法有中度進步。作者也分享遇到的挑戰和改進建議,認為RAG未來有機會成為更聰明的臨床決策輔助工具。 相關文章 PubMed DOI 推理

**重點摘要:** 這項研究利用 Microsoft Olive 和動態量化技術,來優化 BERT 在醫療文本語意相似度的表現,在 DEFT 2020 挑戰賽中達到相近甚至略優的準確率,同時讓模型推論速度提升 20 倍、記憶體使用量減少 70%。 相關文章 PubMed DOI 推理

這項研究開發了專為食道癌設計的聊天機器人 chatEndoscopist,雖然在文字回答的精確度和多樣性上不如 ChatGPT,可能因為訓練資料太少,但在圖片搜尋方面表現不錯。未來會增加資料量,提升準確度和語言表現。 相關文章 PubMed DOI 推理

這篇論文比較BERT和Mistral在自動化ICD-10死亡證明書編碼的表現,發現Mistral經微調後,特別在處理罕見代碼時,比BERT更優秀,顯示Mistral更適合提升醫療自動編碼的準確率。 相關文章 PubMed DOI 推理

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