這項研究發現，GPT-4在選擇MRI掃描流程時，表現跟資淺放射科住院醫師差不多，尤其在心臟和神經影像領域表現較佳，但在肌肉骨骼案例較弱。結果顯示，GPT-4有機會協助新手醫師提升效率、減少錯誤，特別適合在工作繁忙時當作輔助工具。 相關文章 PubMed DOI 推理 ♡

生成式AI和大型語言模型，透過有效的提示工程，能幫助物理治療教育提升課程設計、案例創建及回饋效率。像IDEA方法這類技巧，讓教師更容易運用AI，推動創新，也協助師生適應AI結合的教學與醫療環境。圖表也整理了實用工具，方便教師快速上手。 相關文章 PubMed DOI 推理 ♡

這項研究推出 GynMedEval 資料集，收錄 515 個真實婦科病例，專門用來評估大型語言模型（LLMs）在婦科診斷的表現。結果顯示，LLMs 對常見疾病診斷還不錯，但準確率都沒超過 90%。GynMedEval 有助於提升 LLMs 在醫療診斷上的安全性和實用性。 相關文章 PubMed DOI 推理 ♡

這項研究建立了一套標準來評估大型語言模型在11種生醫知識擷取任務的表現。結果發現，模型表現會因任務難度、專業詞彙和資訊呈現方式而有明顯差異。雖然要求模型引用原始文獻有幫助，但要讓模型每次都穩定做到還是很有挑戰。 相關文章 PubMed DOI 推理 ♡

這項研究發現，單獨用大型語言模型診斷精神科案例時，常常會過度診斷。不過，若搭配專家設計的決策樹，診斷的準確度和整體表現都明顯提升，過度診斷也減少，敏感度幾乎沒變。這表示結合專家推理工具能讓AI在精神科診斷上更可靠。 相關文章 PubMed DOI 推理 ♡

這項研究把精選的腫瘤醫學知識庫（MOAlmanac）結合到RAG-LLM後，癌症治療建議的準確率最高可達95%，明顯優於只用LLM的方法。特別是在有結構化資料時，RAG-LLM在臨床決策支援上展現很高的實用性與可靠性。 相關文章 PubMed DOI 推理 ♡

這項研究發現，美國醫師用聊天機器人輔助臨床推理時，常見的輸入方式有四種：整個病例貼上、只貼重點、自己整理後輸入，或像搜尋引擎一樣簡短查詢。大多數醫師偏好直接貼上或簡短查詢。各種輸入方式在推理表現上沒有明顯差異。研究建議，未來應加強醫師相關AI工具的訓練，以提升醫療決策的效率與安全性。 相關文章 PubMed DOI 推理 ♡

作者開發了一套結合正則表達式和本地大型語言模型的 NLP 工作流程，能快速又準確地從非結構化電子病歷中擷取結構化臨床資料。這個模組化 Python 流程不僅保護隱私，還能處理大量報告，準確率高達 95%，大幅提升 EHR 資料在研究和決策支援上的應用效率。 相關文章 PubMed DOI 推理 ♡

這項研究發現，經過微調的大型語言模型（LLMs）能根據每日健康自評和相關文字描述，準確預測未來健康狀態，表現有時甚至比傳統數值模型更好，還能解釋預測原因。顯示LLMs在處理有文字資料的健康預測上很有潛力。 相關文章 PubMed DOI 推理 ♡

這篇回顧性研究發現，GPT-4和GPT-4 Omni在有臨床背景資訊時，對惡性大腦中動脈中風減壓手術病人的住院存活率預測表現中等（AUC最高0.70），但對長期或功能性預後的預測不太準確。只有在提供中風前mRS分數時，GPT-4 Omni才能預測出院時的mRS。整體來說，AI對短期預後有潛力，但對複雜結果仍有限制。 相關文章 PubMed DOI 推理 ♡