LLM 相關三個月內文章 / 第 35 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

本研究探討ChatGPT如何提升醫學教育者的教學實踐與專業發展。透過對309位醫學教育者的問卷調查，結果顯示ChatGPT在資源推薦方面最有效（平均得分4.08），而持續教育得分最低（3.62）。性別對看法無顯著差異，但根據職務角色和年齡組別存在顯著差異。講師對ChatGPT的評價最高，教授則較低。結論指出，ChatGPT在提供反饋和教學指導上有效，但需解決倫理和準確性問題，以確保其在教育中的有效應用。 相關文章 PubMed DOI 推理

視網膜影像提供了一種非侵入性的方法，能夠觀察眼睛中的血管和神經纖維，並透過眼科組學深入了解全身健康。近期研究探討視網膜生物標記與多種全身性疾病的關聯，並結合人工智慧（AI）提升疾病檢測的潛力。數位彩色眼底攝影、光學相干斷層掃描（OCT）等技術被應用於篩檢和早期檢測。儘管AI展現潛力，但在數據質量和技術實施上仍面臨挑戰。這篇綜述旨在成為研究人員和臨床醫生的資源，促進AI在臨床的應用。 相關文章 PubMed DOI 推理

大型語言模型（LLMs）受到樂觀期待，因為人們相信真理是系統性的，能夠互相聯繫並填補知識空白。然而，哲學家指出，在涉及價值觀和倫理的規範性領域，真理往往缺乏一致性，這使得LLMs在這方面面臨挑戰。由於無法依賴系統性的真理來推理，LLMs在處理這些複雜問題時的局限性顯示，人類的判斷和行動能力仍然對實際決策至關重要。 相關文章 PubMed DOI 推理

本研究探討了ChatGPT 4.0在解讀動態血壓監測（ABPM）數據的準確性，與兩位腎臟科醫生的解讀結果進行比較。分析了53份ABPM記錄，結果顯示ChatGPT在高血壓識別、夜間高血壓及異常心率等方面的準確性分別為87%、89%及94%。兩輪測試的協議率顯示出中等到顯著的一致性，且準確性在兩次測試中無顯著差異。這表明ChatGPT在高血壓管理中具潛力，但仍需在更大樣本中進一步驗證。 相關文章 PubMed DOI 推理

這項研究評估了GPT-4o在識別ACR TIRADS超音波報告錯誤的有效性及其加速報告生成的能力。分析了福建醫科大學第二附屬醫院的200份甲狀腺超音波報告，結果顯示GPT-4o成功檢測到90%的錯誤，接近資深醫師的93%。在效率上，GPT-4o的審查速度明顯快於醫師，平均只需0.79小時，而醫師則需1.8到3.1小時。研究結果顯示，GPT-4o不僅在錯誤檢測上表現優異，還能顯著提升報告處理效率，對於改善診斷準確性及支持住院醫師非常有幫助。 相關文章 PubMed DOI 推理

這項研究探討如何將人工智慧（AI）模組整合進傳統與現代的主題建模技術，特別是潛在狄利克雷分配（LDA）和BERTopic，以分析女性在處方類鴉片相關的心血管風險。研究從PubMed檢索了1,837篇相關摘要，並比較了兩種方法的效果。結果顯示，雖然LDA仍有其價值，但BERTopic在語義連貫性和可解釋性上表現更佳，成為更有效的文本分析工具。 相關文章 PubMed DOI 推理

在臨床環境中，深度學習面臨標註數據不足和可解釋性等挑戰。概念瓶頸模型（CBMs）透過將疾病預測與可理解的概念連結來提升可解釋性，但需要大量標註和重新訓練。本研究提出一種兩步驟的方法，利用預訓練的視覺語言模型自動預測臨床概念，並用大型語言模型生成診斷。這方法允許在測試時進行人工修正，改善診斷結果和透明度。實驗顯示其表現優於傳統CBMs，且訓練需求低。相關程式碼可在GitHub上找到。 相關文章 PubMed DOI 推理

MADRIGAL是一個創新的多模態人工智慧模型，專注於從臨床數據中預測藥物組合的臨床結果。它整合結構、途徑、細胞活性和轉錄組等多種數據，克服了缺失數據的挑戰。經過測試，MADRIGAL在預測不良藥物相互作用方面表現優於傳統方法，並能進行抗癌藥物組合的虛擬篩選，特別針對II型糖尿病和脂肪肝炎。它還支持個性化癌症治療，並能用自然語言描述臨床結果，提升安全性評估。總之，MADRIGAL在設計組合療法上具有更高的預測準確性和臨床相關性。 相關文章 PubMed 推理

ChatGPT是由OpenAI開發的對話式AI，對糖尿病管理有潛在影響。雖然它不是專門針對健康數據訓練，但其技術能協助病人教育、提供飲食建議和情感支持。目前正在臨床測試中，任務包括肥胖評估和糖尿病篩檢等。不過，在整合進醫療系統前，必須考慮倫理和法律問題，特別是數據隱私和準確性。儘管有挑戰，ChatGPT有望促進更個性化的糖尿病管理。 相關文章 PubMed DOI 推理

這項研究探討大型語言模型（LLMs）在急性疼痛情境下的鴉片類藥物處方建議中可能存在的偏見。研究人員測試了十個LLM，使用1,000個情境故事，發現邊緣化群體（如無家可歸者、黑人或LGBTQIA+）通常獲得較高的鴉片類藥物建議，甚至在癌症案例中超過90%。相對而言，低收入或失業者卻獲得較少建議，顯示模型推理的不一致性。這些結果強調了對模型偏見的評估必要性，並呼籲在LLMs中納入基於證據的檢查，以促進公平的疼痛管理。 相關文章 PubMed DOI 推理