這項研究探討了使用開源、輕量級的生成大型語言模型（LLMs）來從腎臟病理報告中提取臨床資訊，特別針對狼瘡性腎炎。研究開發了一個標註架構並生成黃金標準數據集，評估了三個輕量級LLM的表現。結果顯示，Mistral和BioMistral的表現優於Llama 2，Mistral在腎小球亞型的F1分數達到0.996，免疫標記值的F1分數為0.898。這些結果顯示輕量級LLM在臨床資訊提取中的潛力，提供了資源密集型模型的可行替代方案。 相關文章 PubMed DOI ♡

在奇美醫療中心的研究中，「A+ Nurse」這個基於ChatGPT的工具成功應用於護理文書，將每位病人的文書時間從15分鐘縮短到5分鐘，且保持高品質的記錄。護理人員覺得這個工具直觀且有效，顯示出人工智慧在提升醫療流程效率上的潛力。這項整合成為了人工智慧改善病人照護的良好範例，為未來醫療創新鋪路。 相關文章 PubMed DOI ♡

醫療領域，特別是腫瘤學，面臨許多挑戰，如腫瘤委員會會議繁忙、討論時間短，以及護理品質的擔憂。為了解決這些問題，越來越多人關注整合臨床決策支持系統（CDSSs）來協助醫生管理癌症護理。然而，CDSSs在臨床上的應用仍然有限。2022年OpenAI推出的ChatGPT引發了對大型語言模型（LLMs）作為CDSS的興趣。我們進行了一項回顧，評估LLMs在醫療專科，特別是腫瘤學中的有效性，並比較使用者看法與實際表現，以探討其在改善癌症護理結果的可行性。 相關文章 PubMed DOI ♡

這項研究探討如何利用大型語言模型（LLMs）來改善醫療領域的質性訪談數據解釋。傳統的主題建模方法常常過於簡化，難以捕捉患者和醫療專業人員的細微經驗。研究發現，LLMs在數據解釋的效率和深度上表現更佳，顯示它們在整合人類觀點進入可持續醫療系統的發展中，可能扮演重要角色，並有助於解決該領域的挑戰。 相關文章 PubMed DOI ♡

這項研究比較了微調深度學習模型（基於PubMed摘要）與大型語言模型（ChatGPT-3.5）在不良藥物事件命名實體識別（NER）的表現。結果顯示，Hussain等人的微調模型達到97.6%的F1分數，遠高於ChatGPT-3.5的86.0%。雖然少量學習在數據有限時仍具實用性，但無法超越深度學習模型的表現。未來將探討使用GPT-4的少量提示及微調GPT-3.5的可能性。 相關文章 PubMed DOI ♡

這篇論文介紹了一款原型手機應用程式，目的是簡化從複雜藥物說明書中檢索資訊的過程，提升藥物管理。這款應用程式利用大型語言模型自動提取資訊，使用者只需掃描藥物包裝，就能快速獲得奧地利藥品目錄的相關細節。提取的資訊會在應用程式中整理並清楚呈現，讓使用者更容易理解。此外，應用程式還提供多種功能，幫助使用者更自信、輕鬆地管理複雜的用藥時間表和劑量。 相關文章 PubMed DOI ♡

這項研究探討小型大型語言模型（sLLM）在從病理報告中提取關鍵資訊的效果。使用三個版本的Llama 2模型，參數從70億到700億不等，並在零樣本和五樣本學習情境下進行評估。結果顯示，700億參數的模型在五樣本情境下表現優異，顯示sLLM能有效提升數據提取的效率與準確性。研究強調範例學習的重要性，並討論模型大小、準確性及處理時間的權衡，支持在臨床環境中應用先進語言模型，以改善病人護理和生物醫學研究。 相關文章 PubMed DOI ♡

這篇論文探討大型語言模型（LLMs）在電腦媒介臨床諮詢中的應用潛力，涉及醫生、電子健康紀錄（EHR）系統和病人。儘管自然語言處理（NLP）已有進展，但EHR中的自由文本數據尚未被充分利用。LLMs擅長理解和生成自然語言，能有效處理臨床對話。論文建議透過針對特定任務的預訓練和微調，醫療提供者可利用自由文本來識別病人安全問題、支持診斷，並改善臨床互動。作者認為，微調的LLMs結合提示工程，能提升初級護理諮詢的效率與效果。 相關文章 PubMed DOI ♡

這篇手稿針對大型語言模型（LLMs）在醫療領域的實際應用進行了回顧，重點在於產品的實施而非理論。透過Factiva資料庫的系統搜尋，作者識別出2023年1月至2024年2月間17個產品推出的23個重要紀錄，並突顯了臨床護理、醫療文件管理、保險服務及慢性病管理等四大主題。研究顯示，LLMs能提升病患護理的個性化與效率，減輕行政負擔，並支持決策。這項研究有助於理解LLMs在醫療的應用，並提供未來整合人工智慧的策略指導。 相關文章 PubMed DOI ♡

這項研究探討如何利用註解的臨床文件來提升ICD-10代碼相關術語的識別。研究人員分析了約190萬個去識別化的ICD-10代碼，並與德文問題清單中的簡短文本進行共現分析，找出統計上顯著的術語候選者。初步分析後，利用大型語言模型擴展種子術語，結果顯示在識別額外術語方面表現良好，顯示出結合臨床數據與語言模型的潛力，能有效縮小標準化術語與日常醫療用語之間的差距。 相關文章 PubMed DOI ♡