LLM 相關三個月內文章 / 第 37 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究評估了三款AI聊天機器人—ChatGPT、Bard和Bing—在提供有關輸精管結紮手術資訊的效果。研究者向每個機器人提出十個常見問題，並由三位泌尿科醫生根據回答的清晰度、準確性和證據基礎進行評分。結果顯示，ChatGPT的表現最佳，平均評分為1.367，明顯優於Bard和Bing。整體來看，這些AI聊天機器人能提供大部分準確的資訊，對患者而言是有用的資源，尤其是ChatGPT最為準確且簡潔。 相關文章 PubMed DOI

這項研究探討如何利用大型語言模型（LLMs）來提升放射科住院醫師的回饋，特別是找出他們初步報告中遺漏的診斷。研究分析了500對初步與最終報告，使用的LLM（GPT-4）成功識別出24個獨特的遺漏診斷，敏感度達79.2%。來自14位住院醫師的回饋顯示，他們對LLM生成的回饋滿意度平均為3.50，感知準確度為3.64（滿分5分）。大多數醫師偏好將LLM回饋與傳統回饋結合，顯示LLMs能有效補充傳統回饋方法。 相關文章 PubMed DOI

大型語言模型（LLMs）如GPT-4在醫療領域的應用帶來了機會與挑戰。雖然它們能提升醫療服務與病人照護，但也引發了監管與安全問題，如高變異性、缺乏可解釋性及AI幻覺風險等，讓美國和歐盟的醫療器械批准過程變得複雜。儘管如此，基於LLM的醫療應用已進入市場，顯示出監管的空白。迫切需要針對LLM特性建立框架，並加強法規執行，以免延誤對病人的保護，影響其在醫療建議上的潛力。 相關文章 PubMed DOI

隨著患者能更直接獲取醫療紀錄，放射科報告中的醫學術語卻常讓人困惑。為了解決這個問題，我們提出利用大型語言模型（LLM）自動生成更易懂的報告翻譯。我們在100份去識別化的神經放射科報告上進行測試，並在不同閱讀水平上生成翻譯。結果顯示，翻譯的準確率和可讀性均優於傳統方法，特別是在第八年級閱讀水平上，準確率分別達到88%和93%。這種方法不僅增強了患者的理解，也不會顯著增加醫生的工作負擔。 相關文章 PubMed DOI

這篇文章探討反思實踐在研究生一般醫師訓練及持續專業發展中的重要性，並指出從業者面臨的挑戰，如時間不足和專業孤立。文章提到大型語言模型（LLMs）能透過提出深思問題來增強反思，幫助GP探索新視角並連結理論與實踐。透過三個案例，展示LLMs如何促進自我反思，特別對孤立的從業者有幫助。雖然有隱私和偏見等倫理考量，作者建議負責任地整合LLMs，並強調科技與人文元素的平衡。 相關文章 PubMed DOI

這項研究調查了頂尖醫學期刊的通訊作者對人工智慧（AI）在研究中的看法。研究於2023年7月至9月進行，針對2022年在15本醫學期刊發表的作者進行線上調查，共有236名受訪者納入分析。結果顯示，40.6%的研究者對AI有中等熟悉度，79.0%認為AI將對未來研究產生重大影響。儘管許多作者缺乏正式訓練，仍開始使用AI進行改寫和校對等任務。研究建議應加強AI訓練及建立指導方針，以更有效地應用於研究中。 相關文章 PubMed DOI

這項研究評估了四個國內語言模型—ERNIE Bot、ChatGLM2、Spark Desk 和 Qwen-14B-Chat—在提供根治性前列腺切除術（PCa）患者的圍手術護理和健康教育諮詢的效率。結果顯示，所有模型的回應品質都很高，且沒有誤導性資訊。Qwen-14B-Chat在各項評估中表現最佳，特別穩定；ChatGLM2在案例分析上也表現不錯。Spark Desk在可理解性上優秀，但全面性和人文關懷稍顯不足，而ERNIE Bot的表現最差。總體來看，Qwen-14B-Chat是提升PCa患者教育和遵從性的最佳工具。 相關文章 PubMed DOI

T細胞受體（TCR）在免疫系統中非常重要，了解其複雜性能提升我們對癌症免疫反應的預測能力。現有方法常忽略TCR序列間的相互作用，影響預測效果。為了解決這個問題，我們推出了BertTCR，一個新穎的深度學習框架，能從TCR中提取更豐富的上下文信息。BertTCR在甲狀腺癌檢測上，曲線下面積（AUC）提升21個百分點，超越三種主流方法，並在2000多個TCR文庫上訓練，展現出強大的分類能力，對癌症免疫狀態預測具有良好前景。 相關文章 PubMed DOI

大型語言模型（LLMs），像是OpenAI的ChatGPT，雖然能生成類似人類的文本，但在網路使用時會有數據隱私的風險，因為用戶資料會傳送到外部伺服器。為了解決這個問題，我們探討在安全的本地網路中使用開源的小型LLMs，特別是在需要保護數據的監管機構中。我們發現某些模型在少量或零樣本學習中表現不錯，甚至達到傳統神經網路的效果，顯示出在安全環境中使用開源LLMs的潛力。 相關文章 PubMed DOI

這項研究探討了將ChatGPT融入醫學教育的可行性，並強調AI能力對醫學生的重要性。52名醫學生參與了混合式學習課程，評估了使用ChatGPT的效果。主要發現包括：學生在整合ChatGPT的課程中滿意度和學習進展高，且對AI技能的重視程度上升。雖然學生對ChatGPT生成的病人資訊評價中等，但使用擴展提示後明顯改善。研究建議將ChatGPT納入醫學教育，以提升學習體驗並發展AI能力。 相關文章 PubMed DOI