最近，LLaMA3的生成式人工智慧在大型語言模型的診斷性能上有顯著提升。一項研究分析了392篇2022至2023年發表的案例報告，結果顯示LLaMA3在79.6%的案例中將最終診斷列入前10名，而LLaMA2僅49.7%。此外，LLaMA3在前5名和首要診斷的表現也更佳，分別為63%對38%和33.9%對22.7%。整體來看，LLaMA3的診斷性能改善了近1.5倍，但在臨床應用上仍需謹慎，因為這些AI模型尚未獲得醫學診斷的批准。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在識別孕婦臨床筆記中的住房不安全性方面的效果。主要發現顯示，GPT-4在識別住房不穩定案例上表現優於GPT-3.5，回憶率達0.924，超過人類抽取者的0.702。雖然GPT-4的精確度低於人類，但在去識別筆記中略有提升。研究建議，雖然手動抽取準確性較高，LLMs如GPT-4提供了可擴展且具成本效益的選擇，適合半自動化抽取，但仍需人類審查以避免錯誤解釋。 相關文章 PubMed DOI ♡

這項研究評估了AI語言模型ChatGPT在減重手術指導的能力，並與人類外科醫生進行比較。研究中提出五個臨床情境，詢問ASMBS認證的外科醫生和ChatGPT。結果顯示，ChatGPT在簡單案例中與外科醫生一致性高，特別是在不建議手術的情況下。ChatGPT的建議有60%符合ASMBS指導方針，而外科醫生則100%遵循。雖然ChatGPT顯示潛力，但缺乏人類醫生的深度和個性化見解，改善其在複雜病人情境的訓練可能提升醫療有效性。 相關文章 PubMed DOI ♡

這篇評論探討了大型語言模型（LLMs）在醫療領域的臨床試驗現狀，共識別出27個試驗，其中5個已發表，22個仍在進行中。這些試驗涵蓋病人照護、數據管理、決策支持和研究協助等四大領域。雖然已發表的試驗顯示出潛在好處，但也引發了對準確性的擔憂。正在進行的試驗則探索病人教育和知情同意等創新應用。評論還指出評估LLMs快速變化特性的挑戰，並強調未來研究的方向。 相關文章 PubMed DOI ♡

這項研究探討了開源大型語言模型（LLMs），如LLaMA和Alpaca，在早期COVID-19疫情期間的醫院員工調查中進行數據增強。研究分為兩步：首先用LLM生成合成數據，然後用三種分類器對這些數據進行主題分類。最佳結果來自LLaMA 7B，設定溫度0.7，生成100個合成數據點，結合RoBERTa進行分類，平均AUC達0.87。結果顯示，開源LLM能顯著提升醫療領域小型數據集的文本分類表現，並強調隱私與倫理考量的重要性，指向未來醫學教育和病人護理的研究方向。 相關文章 PubMed DOI ♡

這段文字探討了放射組學和影像生物標記的基本步驟，特別是在卷積神經網絡（CNNs）下。強調從醫療數據中提取特徵的重要性，並討論了維度詛咒和降維技術的挑戰。提到手工特徵與深度學習特徵的權衡，以及數據集大小和多樣性對模型表現的影響。還指出高效能計算資源和多機構合作學習的好處，並強調了解釋性人工智慧在醫療任務中的重要性。最後，總結了放射組學與表徵學習的差異及其臨床應用的優缺點。 相關文章 PubMed DOI ♡

這篇論文探討人工智慧（AI）在提升數位服務可及性方面的角色，特別針對挪威的Norsk helsenett（NHN）。透過質性分析，研究了AI系統在前端程式設計、使用者介面設計及可及性測試中的應用。結果顯示，AI能顯著改善可及性，但也帶來挑戰，需具備專業知識和人類監督。論文討論了使用ChatGPT進行可及性測試的優缺點，以及GitHub Copilot生成可及性代碼的影響，並強調使用現有元件庫與從零開始建立網站的差異，旨在豐富AI與可及性的討論，並提供未來研究建議。 相關文章 PubMed DOI ♡

這項研究提出了一個名為跨模態嵌入整合器（CMEI）的計算模型，目的是利用精準醫療知識圖譜來預測疾病與基因或蛋白質的關聯。CMEI透過大型語言模型和知識圖譜嵌入算法生成生物醫學實體的嵌入，並結合多頭注意力機制，達到高達0.9662的接收者操作特徵曲線下面積（AUC）。研究顯示，CMEI能幫助揭示疾病發展機制並識別新的治療靶點。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT的GPT-3.5和GPT-4模型在根據全國綜合癌症網絡（NCCN）指導方針對非肌肉侵襲性膀胱癌（NMIBC）進行風險分層的能力。研究創建了36個病人情境，結果顯示GPT-4在有文本背景下的準確率達到100%，而GPT-3.5則為74%。雖然GPT-4在處理中等風險的NMIBC時表現較佳，但仍有高估風險的情況。整體而言，GPT-4在臨床應用上顯示出潛力，但仍需進一步驗證。 相關文章 PubMed DOI ♡

這項研究探討了ChatGPT在醫療領域的優勢及其擴展潛力。研究分為三個階段，首先進行74項研究的系統性回顧，找出11個關鍵主題。接著，專家利用灰色SWARA方法對這些優勢進行排序，發現臨床決策、醫學診斷、醫療程序及病人中心護理最為重要。結果顯示，ChatGPT在醫療資訊及基礎設施方面特別有用，並指出其在醫療資訊領域的增長潛力大於直接臨床介入。 相關文章 PubMed DOI ♡