**重點摘要：** 這項研究提出了一種結合多種技術的迭代方法，有效地去識別電子病歷中的醫療紀錄，讓這些資料能更安全地用於AI研究。這個方法在35萬份醫療紀錄上進行測試，F1分數高達0.992，顯示在移除個人識別資訊方面表現非常優異。 相關文章 PubMed DOI 推理 ♡

**重點摘要（繁體中文）:** 這項研究介紹了一個高品質的英韓醫學文本資料集，資料來源來自韓國四家主要醫院，並以方便AI模型使用的格式整理。這個資料集經過嚴格的正確性評估，並且公開提供，目的是協助開發多語言的醫學語言模型。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT 3.5 Turbo在擷取疾病相關表現型實體時，使用簡單、直接提及「phenotypical manifestations」的提示效果最好，F1分數達0.60，雖然還是比UMLS MetaMap差。加入「manifestations」這個詞能提升召回率，反而複雜的提示技巧沒什麼幫助。總結來說，生醫文本探勘任務用簡單明確的提示最有效。 相關文章 PubMed DOI 推理 ♡

**重點摘要（繁體中文）：** 這項研究發現，只有極少數學生在跟聊天機器人互動時會用像「請」這樣的禮貌用語，這表示他們把聊天機器人當作工具，而不是社交夥伴。未來還需要針對更多人進行研究，才能確認這些發現。 相關文章 PubMed DOI 推理 ♡

這項研究發現，大型語言模型在總結癌症傷口護理紀錄時，對護理措施的摘要非常準確，對護理評估也大多正確。雖然摘要的事實一致性高，但品質較差的摘要有一半會出現推理錯誤。整體來說，LLM有助於提升癌症傷口護理紀錄的處理效率。 相關文章 PubMed DOI 推理 ♡

**重點摘要（繁體中文）:** 這項研究比較了50題由ChatGPT產生和50題由人類產生的護理考試選擇題，並由25位國際教育工作者根據題目品質進行評估。結果顯示，ChatGPT產生的題目在相關性和認知層級上得分較高，但在人為偏見和包容性方面則低於人類出題者。 相關文章 PubMed DOI 推理 ♡

這篇研究分析美國FDA核准、含機器學習元件的醫療器材文件，發現decoder型LLM在抓取器材細節上表現佳但耗資源，encoder型則推論臨床情境較有效率。不過，所有LLM都需針對醫療領域專業調校，才能準確辨識ML相關功能與用途。 相關文章 PubMed DOI 推理 ♡

**中文重點摘要：** 為了減少大型語言模型（LLM）使用時的碳排放，我們將英文的身體檢查教材翻譯並改寫，幫助醫學生縮短輸入提示的字數。我們改寫後的提示語，所需的 token 數量明顯少於原本的英文版和韓文版。 相關文章 PubMed DOI 推理 ♡

這項研究用 Microsoft GraphRAG 結合 GPT-4o-mini，分析家暴倖存者訪談，主題分析效果比傳統方法（如 LDA、BERTopic、TopicGPT）更好，主題一致性達 0.79，實體辨識準確率高達 97%。這種新方法不只彈性高、易解讀，也更能貼近不同文化，有助於更有效協助家暴倖存者。 相關文章 PubMed DOI 推理 ♡

這項研究開發了一套自動化系統，運用輕量級大型語言模型和語言混合脈絡提示（ICM），來偵測廣東話社群媒體上家暴倖存者的求助貼文。系統準確率達 0.84，證明 code-mixing 策略比單一語言更有效，特別是在資源較少的語言中，提升混合比例能進一步增強偵測效果。 相關文章 PubMed DOI 推理 ♡