LLM 相關三個月內文章 / 第 20 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究探討了人工神經網絡（ANNs）在沒有先前訓練的情況下進行抽象推理的潛力，並針對其依賴過去數據的問題進行分析。研究人員利用問題數據來優化簡單網絡的權重，並應用於視覺推理任務。結果顯示，該模型能有效解決問題，無需依賴過去範例。此外，研究還探討了ANNs解題與知識積累的關係，提出了一種新機制，說明這些網絡如何在推理任務中即時適應與學習。 相關文章 PubMed DOI

白內障是失明的主要原因之一，許多人在線上尋求醫療建議，但可靠資訊難以獲得。研究人員針對46個白內障護理的常見問題，評估了不同大型語言模型（LLMs）的回應準確性與完整性。結果顯示，ChatGPT-4o和Google Bard在準確性上表現優異，ChatGPT-4o在完整性方面也領先其他模型。這項研究強調了LLMs在提供白內障相關資訊的潛力，特別是在預防方面，並呼籲持續提升其醫療諮詢的準確性。 相關文章 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是ChatGPT和Bard在病理學的表現，並與病理學實習生的回答進行比較。研究使用了150道選擇題，結果顯示ChatGPT的平均得分為82.2%，明顯優於Bard的49.5%和實習生的45.1%。在困難問題上，ChatGPT表現特別突出，而在簡單問題上，ChatGPT和實習生的表現相近。分析顯示，ChatGPT的一致性率高達80%-85%，而Bard僅54%-61%。這顯示ChatGPT在病理學教育中有潛力，但仍需持續發展和人類監督。 相關文章 PubMed DOI

大型語言模型（LLMs）在腫瘤學的應用正在改變病人照護的方式。它們能提供個性化的癌症資訊、協助診斷、監測治療進展，並促進後續照護。這些模型的潛在好處包括提高資訊可及性、個性化支持及提升醫療效率。然而，使用過程中也需注意數據隱私、偏見及知情同意等倫理問題。此外，法規方面需建立明確的批准流程、責任界定及持續監測機制，以確保安全與有效性。整體而言，LLMs在腫瘤學的整合需謹慎推進。 相關文章 PubMed DOI

這項研究探討大型語言模型（LLMs），如ChatGPT和Gemini，在體育生理課程中評分書面作業的效果。研究比較了這些AI模型與人類評分者在使用布魯姆分類法的評分準則下的準確性和可靠性。結果顯示，雖然LLMs有一定的評估能力，但仍未達到人類評分者的水準，人類之間的評分一致性較高。人類與LLM的評分相關性通常為中等到較差，顯示AI在教育評估中的輔助潛力，但也強調了AI技術和教育者學習策略需持續改進。 相關文章 PubMed DOI

這項研究探討「群眾智慧」在預測中的應用，利用12個大型語言模型（LLMs）對31個二元問題進行預測，並與925位人類預測者的表現進行比較。結果顯示，LLM的表現超越無資訊基準，準確度與人類相似，且也展現出類似的偏見。當LLM預測受到中位數人類預測影響時，準確度提升17%到28%。最準確的結果來自於簡單平均人類和機器的預測，顯示LLMs能透過聚合方法達到與人類相當的預測準確度。 相關文章 PubMed DOI

這項研究評估了ChatGPT在高風險非ST段抬高急性冠狀動脈症候群（NSTE-ACS）患者中，對於是否需要進行侵入性冠狀動脈造影（ICA）的判斷。研究中，ChatGPT分析了86名患者的臨床數據，建議19名患者不進行ICA，結果顯示其準確率達86%。這顯示ChatGPT能有效協助ICA決策，可能減少不必要的手術。不過，研究也強調準確數據的重要性，並呼籲進行更大規模的研究以進一步驗證人工智慧在臨床中的應用。 相關文章 PubMed DOI

這項研究強調了大型語言模型（LLMs），特別是GPT-4，在提取氧化壓力相關毒理學資訊方面的潛力。研究團隊建立了一個完整的流程，從7,166篇文章中提取了17,780條記錄，識別出2,558種獨特化合物，並發現過去20年對氧化壓力的研究興趣逐漸上升。 研究編制了促氧化劑（1,416種）和抗氧化劑（1,102種）的清單，主要包括藥物、農藥和金屬等類別。結構分析顯示了特定子結構與促氧化劑和抗氧化劑的關聯。總體而言，這項研究證明了基於LLM的文本挖掘能有效建立毒理學數據庫，為未來環境與健康研究提供重要見解。 相關文章 PubMed DOI

大型語言模型（LLM）聊天機器人被用來提供泌尿科疾病資訊，特別是良性前列腺增生手術。研究評估了四個聊天機器人的資訊質量，結果顯示未提示時資訊質量中等，但使用特定提示後顯著改善。回應準確性高達98%，但可讀性較差，超過大多數美國人的閱讀水平。總體來看，這些聊天機器人有助於患者教育，但需注意提示方式和語言複雜性，以提升其效益。 相關文章 PubMed DOI

這篇手稿探討了人工智慧（AI）在電子健康紀錄（EHRs）實施科學中的創新應用。由15位專家組成的小組討論了EHRs如何協助實施策略與結果，並利用ChatGPT整理討論筆記，形成初步手稿，後續由參與者修訂。小組指出EHRs能支持的具體策略與指標，並強調需隨技術進步調整實施科學。雖然ChatGPT的摘要提供了概覽，但缺乏深度，需大量編輯以符合文獻。研究顯示EHRs在實施科學中的潛力，並強調對資訊學與實施專業知識的需求，顯示人類監督的重要性。 相關文章 PubMed DOI