LLM 相關三個月內文章 / 第 158 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究探討健康專業學生對ChatGPT的看法及其對醫療和教育的影響。研究發現，86.2%的學生了解ChatGPT，且普遍持正面評價，平均分數為4.04。學生欣賞其在信息檢索和摘要的能力。質性分析顯示三個主題：使用經驗、對醫療品質的影響及教育整合。雖然有好處，如輕鬆獲取信息，但也擔心倫理問題及批判性思維的影響。不同學科間看法一致，建議持續改進以提升準確性和可靠性，並平衡優勢與倫理考量。 相關文章 PubMed DOI

這項研究評估了ChatGPT-3.5在回答口腔癌相關問題的準確性，因為早期診斷對患者結果影響重大。研究中提出20個問題，並由醫療專家評估其回答。結果顯示，51.25%的答案被評為非常好，46.25%為好，僅2.5%可接受。專家評分間無顯著差異。雖然ChatGPT提供的資訊可靠，但引用的81篇文獻中，只有13篇是合法的科學文章，10篇為假文獻，其餘則來自各種網站。總體而言，ChatGPT的資訊值得參考，但需謹慎對待其引用來源。 相關文章 PubMed DOI

藥物開發傳統上是一個繁瑣且耗時的過程，主要依賴專業知識和反覆試驗。不過，隨著人工智慧（AI）特別是大型語言模型和生成式AI的興起，這個領域正迎來變革。AI技術提升了藥物開發各階段的效率，包括疾病靶點識別、藥物發現、臨床前及臨床研究，甚至上市後的監測。這篇文章探討了AI在藥物開發中的最新應用，並分析了目前仍面臨的挑戰，指出未來研究的潛力。 相關文章 PubMed DOI

專案「MyEcoReporter」利用人工智慧聊天機器人，簡化環境事件的報告。社區成員常注意到化學物質釋放，但報告時遇到困難。這個聊天機器人讓使用者能透過簡訊輕鬆表達關切。應用程式採用Python、AWS Lambda、DynamoDB和Twilio等技術，收集必要資訊，並提供友好的使用體驗。這種創新方式展示了人工智慧如何將社區環境關切轉化為結構化數據，便於提交給政府機構，提升報告流程。 相關文章 PubMed DOI

網路評論的興起對消費者購買決策和產品開發影響深遠，但生成式AI技術如ChatGPT的出現，讓人擔心商家可能會製造虛假評論，影響評論的可信度。為了解決這個問題，提出了一種新方法，結合AI生成評論的檢測，專注於產品屬性。這方法利用預訓練語言模型來檢測評論真實性，並分析用戶偏好，改善產品開發的成本控制與設計決策。實驗結果顯示此方法相較於現有技術具優勢。 相關文章 PubMed DOI

這項研究評估了多種大型語言模型（LLMs）在從電子健康紀錄中提取數據的表現，使用了50份合成醫療筆記。共測試了18個LLM，並與基準模型RoBERTa比較，涵蓋多個任務。表現最佳的模型包括Claude 3.0 Opus、GPT 4等，準確率超過0.98，明顯優於RoBERTa的0.742。這些模型在多次測試中也展現出一致性，顯示出能有效協助數據提取，減輕醫療人員的負擔。不過，仍需用真實數據進一步驗證其實際應用效果。 相關文章 PubMed DOI

這項研究評估了一本教科書與GPT-4在非創傷性脊髓損傷（NTSCI）方面的可讀性與可靠性，特別針對ABPMR認證。主要發現包括： 1. 教科書可讀性分數為14.5，GPT-4為17.3，顯示GPT-4的解釋較複雜（p < 0.001）。 2. GPT-4的解釋中有86%屬於「非常困難」，教科書則為58%（p = 0.006）。 3. GPT-4能簡化九個複雜解釋，保持字數不變，顯示其適應性。 4. GPT-4的準確率為96%，顯著優於GPT-3.5的84%（p = 0.046）。 總體而言，研究顯示GPT-4在醫學教育中具潛力，能提供準確且易懂的解釋。 相關文章 PubMed DOI

人工智慧（AI）在健康溝通系統中的應用，顯著改變了公共衛生管理，尤其在緊急情況下，能透過數位渠道有效接觸大眾。本文探討通用對話式人工智慧（CAI）的角色，強調其在健康訊息傳遞中的潛力，特別是透過AI驅動的訊息平台提供個性化的健康介入。針對COVID-19疫情的案例研究顯示CAI在健康信息傳播上的有效性。我們建議公共衛生機構與AI技術合作，同時解決偏見、錯誤信息及隱私等挑戰，展望未來CAI將提升健康溝通的可靠性。 相關文章 PubMed DOI

這項研究探討個人化回饋對醫學教育學習成果的影響，特別是透過應用程式進行自我測試。德國醫學生參加隨機試驗，接受專家或ChatGPT的回饋。結果顯示，經常使用應用程式的學生在畢業考試中表現較佳，但兩種回饋的分數差異不大（ChatGPT 51.8%，專家 55.8%，p = 0.06）。研究建議需改善應用程式和回饋機制，以提升有效性，並對其他學術領域提供啟示。 相關文章 PubMed DOI

最近，自然語言處理（NLP）在語意數據分析上有了顯著進展，特別是在問卷研究中。研究者開發了一個「語意搜尋助手」的原型，能有效協調不同工具測量相同構念，並探索新構念組合。透過案例研究，該應用成功識別潛在的協調配對，減少了手動評估的需求。專家評估顯示，模型生成的配對與專家意見高度一致，證實了這種方法的有效性，顯示出嵌入模型在協調複雜數據集中的潛力。 相關文章 PubMed DOI