LLM 相關三個月內文章 / 第 21 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究評估了多種大型語言模型（LLMs）在冠狀動脈疾病（CAD）診斷中的表現，特別是根據CAD-RADS 2.0指引進行比較。結果顯示，ChatGPT 4o的準確率最高，達到100%，接著是ChatGPT 4和Claude 3 Opus，準確率為96.6%。其他模型的準確率也不錯，介於90%到93.3%之間。這些結果顯示LLMs在改善CAD的放射報告和病人照護方面的潛力，並強調進一步研究其視覺診斷能力的重要性。 相關文章 PubMed DOI

在人工智慧時代，許多病人會在線上尋找健康資訊。本研究評估了三個人工智慧聊天機器人（ChatGPT、Gemini、Copilot）提供的泌尿生殖系統癌症治療資訊的可靠性。評審結果顯示，ChatGPT和Gemini的資訊質量中等，分別得41分和42分，而Copilot得分較低（35分）。整體可理解性偏低，只有Gemini的可行性得分達60%。這顯示病人需謹慎使用這些工具，因為它們提供的資訊質量和可靠性普遍不高，且難以理解。 相關文章 PubMed DOI

這篇論文探討了ChatGPT在神經外科領域作為學習工具的潛力，特別是GPT-3.5和GPT-4的進步引發了對臨床應用的興趣。文中提到ChatGPT能協助醫學執照考試及神經外科書面考試，並在創建個性化案例報告和學習材料上展現潛力。此外，它也能提升研究流程和文獻回顧的效率。不過，論文提醒使用時需謹慎，因為AI幻覺和過度依賴技術可能帶來風險。最後，強調了ChatGPT在神經外科教育中的重要角色。 相關文章 PubMed DOI

生成式 AI 模型如 ChatGPT 正逐漸融入醫學教育，許多學生利用它來學習和準備考試，包括美國醫學執照考試（USMLE）。根據2023年5月的調查，96% 的醫學生知道 ChatGPT，52% 曾使用過它來完成課業。學生常用它解釋醫學概念、協助診斷及文法檢查。不過，對於不準確性、病人隱私和抄襲的擔憂也浮現，顯示出制定規範以確保道德使用的必要性。了解學生的看法對於建立負責任的使用指導方針至關重要。 相關文章 PubMed DOI

這篇文章強調在醫療和研究領域中，如何安全有效地使用大型語言模型（LLMs），特別是對於經驗較少的專業人士。文中列出六個實用案例，包括自訂翻譯、精煉文本、生成概述、編纂想法、創建個性化教育材料，以及促進智識討論。此外，還提供了一些使用AI工具的注意事項和策略。儘管面臨挑戰，將LLMs整合進醫療和研究工作中，能有效提升生產力和效率。 相關文章 PubMed DOI

自1950年代以來，人工智慧（AI）在腸胃病學上取得了顯著進展，特別是大型語言模型（LLMs）如ChatGPT的出現。這些模型能生成類似人類的文本，並有潛力改善診斷、治療和病患溝通等方面。 優勢包括加速診斷、個性化護理、增強教育和決策支持。然而，挑戰也不少，如AI理解能力有限、數據偏見和隱私問題等。未來，LLMs的發展需依賴於數據分析能力，並需醫療專業人員與AI開發者的合作，以提升病患護理品質。 相關文章 PubMed DOI

您的研究顯示開源大型語言模型（LLMs）在醫療領域的潛力，特別是在德文臨床文本中提取心血管功能指標。透過分析497份心臟MRI報告，您成功提取14個指標，並達到95.4%的正確標註率和99.8%的命名實體識別準確率，顯示這些模型能有效處理醫療語言的複雜性。這項研究強調了開源LLMs在臨床環境中的應用潛力，並為未來在其他語言的醫療研究鋪路。 相關文章 PubMed DOI

這篇文章探討了醫療領域中專業人士對 ChatGPT 等 AI 聊天機器人的依賴現象。雖然這些工具能提升效率和改善病人結果，但過度依賴可能帶來風險，如缺乏訓練和時間限制。文章強調在醫療中應維持以人為本的方法，確保整合 AI 時遵循倫理標準和病人安全。呼籲進一步研究和策略，以解決這種依賴性，並促進 AI 在醫療實踐中的平衡使用。 相關文章 PubMed DOI

人工智慧，特別是OpenAI的ChatGPT，已在腫瘤學領域帶來變革。本研究評估了ChatGPT與日本骨科醫學會2020年軟組織腫瘤指導方針的一致性，設計了22個臨床問題。結果顯示，ChatGPT的對應率達86%，其中兩個回應完全一致，17個部分一致。不過，在非典型脂肪瘤、滑膜肉瘤的圍手術化療及老年患者的治療策略上，則有三處不一致。研究強調，雖然ChatGPT能與臨床指導方針相符，但在醫療決策中仍需謹慎整合人工智慧，特別是在軟組織肉瘤的治療上。 相關文章 PubMed DOI

這項研究探討如何利用自然語言處理（NLP）和生成語言模型（GLMs）從肺癌患者的病理報告中提取關鍵資訊。研究目的是評估這些模型在提取病理階段數據的有效性，並考慮在資源有限的情況下使用較小型GLMs的可行性。研究團隊從首爾國立大學醫院收集報告，確定42個關鍵詞進行腫瘤-淋巴結（TN）分類，並與臨床專家建立黃金標準。經過訓練，Deductive Mistral-7B模型在資訊提取上表現最佳，準確率達92.24%，TN分類準確率為0.9876，顯示針對性訓練能提升模型性能，對臨床決策有潛在幫助。 相關文章 PubMed DOI