Gender and Ethnicity Bias of Text-to-Image Generative Artificial Intelligence in Medical Imaging, Part 1: Preliminary Evaluation.
醫學影像中文本到圖像生成人工智慧的性別與族裔偏見，第一部分：初步評估。 J Nucl Med Technol 2024-10-22

這項研究分析了生成式人工智慧在醫學影像領域的偏見，使用了四個AI工具（DALL-E 3、Firefly 2、Stable Diffusion 2.1和Midjourney 5.2）創建了184張圖像，涵蓋391個角色。結果顯示，60.6%的角色為男性，87.7%擁有淺色膚色，顯示出對白人男性的偏見。DALL-E 3和Midjourney 5.2的男性比例較高，而Firefly 2的淺色膚色角色較少。圖像質量方面，DALL-E 3和Midjourney 5.2表現較佳，強調了對AI偏見的批判性評估的重要性。相關文章 PubMed DOI

Multifocal region-assisted cross-modality learning for chest X-ray report generation.
多焦區域輔助的跨模態學習於胸部 X 光報告生成。 Comput Biol Med 2024-10-22

隨著心血管疾病、腫瘤等慢性病的增加，研究人員開始探索生成醫療報告的新方法。近期的研究聚焦於利用大型跨模態模型和自然語言生成技術，來縮短視覺數據（如X光影像）與文本之間的差距。為了解決這些挑戰，我們提出了多焦點區域輔助報告生成網絡（MRARGN），結合ResNet-50模型及注意力機制，提升跨模態信息的匹配，並生成詳細的醫學文本描述。實驗結果顯示，MRARGN在醫療報告生成上表現優於多種現有方法，證明其有效性。相關文章 PubMed DOI

Large language models can support generation of standardized discharge summaries - A retrospective study utilizing ChatGPT-4 and electronic health records.
大型語言模型可以支持標準化出院摘要的生成 - 一項利用 ChatGPT-4 和電子健康紀錄的回顧性研究。 Int J Med Inform 2024-10-22

這項研究比較了ChatGPT-4生成的精神科出院摘要與住院醫師撰寫的摘要質量。研究結果顯示，人類撰寫的摘要在整體質量上明顯優於AI生成的，平均評分分別為3.78和3.12。人類摘要在大多數評估項目中表現更佳，且評分者偏好人類版本。AI摘要在40%的案例中出現幻覺，且內容錯誤率較高。雖然AI生成的摘要在簡潔性和正式性上有一定表現，但仍需改進，未來可作為醫生修訂的參考。相關文章 PubMed DOI

Gender Bias in AI's Perception of Cardiovascular Risk.
AI 對心血管風險的性別偏見。 J Med Internet Res 2024-10-22

這項研究探討了GPT-4在評估冠狀動脈疾病風險時可能存在的性別偏見，使用了相同的臨床情境來比較男性和女性，其中一些人有精神疾病的共病情況。研究結果顯示，精神疾病的存在可能會影響GPT-4對男性和女性冠狀動脈疾病風險的評估方式。相關文章 PubMed DOI

Benchmarking Large Language Models in Evidence-Based Medicine.
基於證據的醫學中大型語言模型的基準測試。 IEEE J Biomed Health Inform 2024-10-22

這項研究探討如何將大型語言模型（LLMs）整合進證據基礎醫學（EBM），以自動化任務如證據檢索和傳播，來提升臨床決策。研究比較了七個LLMs的表現，結果顯示這些模型在理解和總結方面表現優異，知識引導的提示也顯著提升了效果。不過，在命名實體識別和事實準確性上仍面臨挑戰，需要進一步研究和質量控制才能應用於臨床。研究結果和代碼已在GitHub上公開。相關文章 PubMed DOI

Evaluating the Performance and Bias of Natural Language Processing Tools in Labeling Chest Radiograph Reports.
評估自然語言處理工具在標註胸部放射線報告中的表現和偏差。 Radiology 2024-10-22

這項研究分析了四種自然語言處理（NLP）工具在標註胸部放射線報告的準確性及其人口統計偏差。研究期間為2022年4月至2024年4月，評估了CheXpert、RadReportAnnotator (RRA)、OpenAI的GPT-4和cTAKES在MIMIC和印第安納大學數據集上的表現。結果顯示，所有工具整體準確性高，但在不同數據集間有所差異，RRA和cTAKES在MIMIC數據集表現較佳，而CheXpert和GPT-4則在IU數據集上更突出。研究也發現年長患者的錯誤率較高，顯示這些工具在不同人口群體中的表現存在顯著差異，需進一步調查。相關文章 PubMed DOI

Large language models and their applications in bioinformatics.
大型語言模型及其在生物資訊學中的應用。 Comput Struct Biotechnol J 2024-10-22

最近，自然語言處理（NLP）領域因大型語言模型（LLMs）的出現而有了重大進展。這些模型基於深度學習架構，如變壓器（transformers），擁有數十億的參數和龐大的訓練數據，能在各種任務中達到高準確度。LLMs不僅在傳統NLP應用上表現出色，還在生物信息學中解決了複雜數據集的挑戰，協助基因組學和藥物發現等領域的研究，為生命科學的新發現鋪路。相關文章 PubMed DOI

Evaluation of the Appropriateness and Readability of ChatGPT-4 Responses to Patient Queries on Uveitis.
對於患者關於葡萄膜炎的查詢，評估 ChatGPT-4 回應的適當性和可讀性。 Ophthalmol Sci 2024-10-22

這項研究評估了ChatGPT-4在葡萄膜炎患者教育中的有效性，並與知名醫療網站進行比較。研究分析了八個可信來源的資訊，並由三位專家評估內容的偏好、全面性和準確性。結果顯示，專家偏好ChatGPT-4的標準回應，因為其內容全面且準確性與現有網站相似。簡化回應則更易於理解，適合不同教育水平的患者。總體而言，研究建議ChatGPT-4能有效提供準確的葡萄膜炎資訊，並可根據患者需求調整。相關文章 PubMed DOI

Ontology extension by online clustering with large language model agents.
大型語言模型代理的在線聚類進行本體擴展。 Front Big Data 2024-10-22

這篇論文提出了一個創新的框架，旨在利用串流數據以零樣本方式自動擴展醫療本體。框架採用在線和層次聚類方法，無需大量標註數據或專業知識即可整合新知識。主要任務包括從病患論壇中識別和分類醫療症狀，以及將這些症狀組織進現有本體中。透過大型語言模型（LLMs），框架確保症狀準確分類，並降低人類干預需求。論文詳細介紹了框架的開發、實驗和數據可視化，顯示其在改善醫療本體和推進醫療知識系統的有效性。相關文章 PubMed DOI

Generative AI-based knowledge graphs for the illustration and development of mHealth self-management content.
基於生成式 AI 的知識圖譜在 mHealth 自我管理內容的說明與發展中的應用。 Front Digit Health 2024-10-22

這項研究探討如何利用生成式人工智慧（AI）來分類和結構行動健康（mHealth）自我管理計畫，特別針對纖維肌痛症。研究人員根據202名患者的意見，開發了一個線上計畫，並使用ChatGPT-4和Infranodus進行知識圖譜和文本分析，並進行3D視覺化。結果顯示出關鍵主題，如心理健康、壓力和疼痛管理，並強調「疼痛」與睡眠和壓力的關聯。研究指出內容中的空白，特別是社交聯繫的缺乏。總體而言，生成式AI能有效組織數位治療內容，並強調患者反饋的重要性。相關文章 PubMed DOI

LLM 相關三個月內文章 / 第 46 頁

可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

LLM 相關三個月內文章 / 第 46 頁

可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

可選擇其它分類: 一週新進文章腎臟科一般醫學 SGLT2i GLP1