LLM 相關三個月內文章 / 第 19 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究探討不同提示工程技術對大型語言模型（如ChatGPT3.5和GPT4）在回答視網膜疾病相關問題時的影響。研究中使用了二十個常見問題，並在獨立問題、優化提示（提示A）及加上長度和閱讀水平限制的提示B下進行測試。三位視網膜專家評估回應的準確性和全面性，結果顯示兩個模型在各指標上無顯著差異，但提示B的可讀性較高，卻以準確性和全面性為代價。研究建議未來需進一步探討LLM在病人教育中的有效性及倫理問題。 相關文章 PubMed DOI

AI和機器學習在肩膀和肘部手術等領域的應用迅速增加，顯示出提升診斷準確性和降低成本的潛力。不過，使用AI進行研究和寫作也帶來了內容準確性、版權和抄襲等問題的擔憂。研究指出，即使是資深外科醫生也難以辨識AI生成的內容，而AI檢測工具的效果較好。因此，在學術工作中整合AI時，必須謹慎，以維護學術的完整性和可靠性。 相關文章 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4，在數位影像與醫學通訊（DICOM）伺服器中，根據美國醫學物理學會TG-263標準重新標記結構名稱的應用。研究針對前列腺、頭頸部和胸腔三個疾病部位，選取150名患者進行調整，50名患者用於評估。結果顯示高準確率，前列腺97.2%、頭頸部98.3%和胸腔97.1%。研究顯示GPT-4能有效標準化放射腫瘤學中的結構名稱，顯示其在該領域的潛力。 相關文章 PubMed DOI

這項研究探討了人們對生成式人工智慧的看法，特別是在社會和個人挑戰建議方面。共招募3,308名美國參與者，結果顯示： 1. **能力認知**：當知道建議來自AI時，人們常會貶低AI的能力，但不會貶低建議內容。 2. **挑戰建議**：在社會和個人挑戰中，這種貶低現象一致出現。 3. **偏好AI建議**：若過去對AI建議有正面經驗，個人更傾向於尋求AI的建議。 這反映出人們對AI的理解和信任，尤其在良好互動後。 相關文章 PubMed DOI

這項研究探討大型語言模型（LLMs）與人類的推理能力，使用有限理性的認知心理學工具進行比較。實驗中，我們分析了人類參與者和不同預訓練LLMs在經典認知任務上的表現。結果顯示，許多LLMs的推理錯誤與人類相似，且受到啟發式影響。然而，深入分析後發現，人類與LLMs的推理存在顯著差異，較新的LLMs表現出更少的限制。雖然可以提升表現的策略存在，但人類和LLMs對提示技術的反應卻不同。我們討論了這些發現對人工智慧及認知心理學的意義，特別是在比較人類與機器行為的挑戰上。 相關文章 PubMed DOI

這項研究評估大型語言模型（LLMs）在從科學文獻中提取生態數據的表現，並與人類審稿人進行比較。結果顯示，LLMs提取相關數據的速度超過50倍，對於離散和類別數據的準確率超過90%。不過，它們在某些定量數據的提取上仍有困難。雖然LLMs能顯著提升建立大型生態數據庫的效率，但仍需額外的質量保證措施來確保數據的完整性。 相關文章 PubMed DOI

這項研究評估了ChatGPT 4.0對25個有關髖關節鏡手術的病人問題的回答準確性，並由兩位專業的骨科運動醫學外科醫生進行評分。結果顯示，20個回答被評為「優秀」，2個則是「滿意但需少量澄清」，沒有回答被評為「中等」或「需大量澄清」。整體來看，ChatGPT 4.0在病人教育方面顯示出潛力，尤其在骨科醫生的指導下。這項研究也考量到病人對聊天機器人使用的增加。 相關文章 PubMed DOI

這項研究評估了ChatGPT-4在回答有關前交叉韌帶（ACL）手術的十大常見問題的準確性。研究人員從運動醫學專科機構收集問題，並由兩位專科外科醫生使用李克特量表進行評分。結果顯示，有五個回答被評為「完全準確」，另外三個至少獲得一位醫生的肯定。評分者之間的協議程度為中等，權重卡帕值為0.57，且80%的回答在時間上保持一致。研究指出，ChatGPT可作為提供ACL手術一般資訊的工具，但不應取代病人與外科醫生的直接溝通。 相關文章 PubMed DOI

這項研究探討了使用ChatGPT撰寫醫學案例報告的潛力，特別針對一個理論案例，涉及扭轉卵巢囊腫的囊腫抽吸。作者生成了四篇手稿，前三篇由ChatGPT根據不同細節撰寫，第四篇則是人類撰寫。分析顯示，隨著細節增加，手稿質量和可讀性提升，但人類手稿包含的個人經驗和見解是AI無法捕捉的。研究引發了對醫學寫作中「人性觸感」的討論，並建議進一步研究AI的有效性與適當性，鼓勵醫療專業人員思考使用ChatGPT的看法。 相關文章 PubMed DOI

在這個迷你系列的第二部分，我們探討了多種機器學習工具，這些工具能自動從龐大的獸醫臨床數據中提取資訊，像是小動物獸醫監測網絡（SAVSNET）和VetCompass的資料。由於數據量龐大，手動閱讀不切實際，而傳統文本挖掘方法也常因臨床筆記的複雜性而無法應對。 我們介紹了從簡單模型到先進語言模型的各種技術，特別是語言模型在記錄標註和主題識別中的應用。隨著模型的進步，研究人員與臨床醫生的合作變得更重要，以確保結果的可解釋性，增強對結論的信心。 相關文章 PubMed DOI