同行評審對科學研究的質量至關重要，尤其在醫學領域，因為研究結果直接影響病人照護。隨著出版量增加，評審者面臨的壓力也增大，可能導致評審延遲和質量下降。大型語言模型（如ChatGPT）能簡化評審過程，提供高效支持。這篇評論探討了LLMs在同行評審中的應用，包括初步篩選、評審者匹配、反饋支持和語言審查等。然而，使用LLMs也需注意偏見和隱私問題，必須建立指導方針，確保其輔助而非取代人類專業知識，以維持評審標準。 相關文章 PubMed DOI 推理 ♡

睡眠呼吸障礙（SDB），特別是阻塞性睡眠呼吸暫停症（OSA），因氣道阻塞影響健康，及早介入非常重要。本研究利用機器學習（ML）和大型語言模型（LLM），透過電子健康紀錄（EHR）來識別SDB。提出的DSS-LLM框架結合動態海鷗搜尋演算法與LLM，使用臨床數據進行特徵提取和預處理，最終達到98.91%的分類準確率，顯示出其在臨床篩檢中的潛力，期望能改善耳鼻喉科的決策與病人結果。 相關文章 PubMed DOI 推理 ♡

人工智慧（AI）在醫學上已經有很大進展，尤其是機器學習和大型語言模型，但在性醫學的應用還不夠深入。本研究透過MeSH關鍵字進行全面搜尋，總結AI在性醫學的現狀。研究者從PubMed和MEDLINE篩選出905篇文章，最終納入69篇進行系統性回顧。結果顯示，AI在診斷性傳播疾病、性功能障礙和不孕不育方面有效，並在預測性別和診斷性取向上有潛力。儘管AI提供可及性和保密性，但仍缺乏人類醫療提供者的同情心和專業知識，未來需進一步研究以發揮其潛力。 相關文章 PubMed DOI 推理 ♡

YouTube 是重要的醫療資訊來源，但許多影片內容不準確或有偏見。本研究探討大型語言模型（LLMs）評估醫療影片質量的能力。研究人員收集了專家評估過的影片，並讓二十個 LLMs 使用 DISCERN 工具進行評分。結果顯示，LLMs 的評分通常高於專家，且一致性範圍廣泛。加入評分指導方針後，模型表現有所改善。研究顯示某些 LLMs 能有效評估醫療影片質量，未來可作為獨立專家系統或增強傳統推薦系統，解決線上健康內容的質量問題。 相關文章 PubMed DOI 推理 ♡

這項研究分析了1,500則亞馬遜上關於熱門真空勃起裝置（VEDs）的評論，了解消費者的看法。使用GPT-4進行質性分析後，發現效果和使用者體驗是主要主題。安全問題在27%的評論中被提及，明確警告則出現於6.8%。電動VED因易用性和設計特徵受到青睞。高評價產品通常缺陷和故障報告較少。整體來看，對VED的情感偏正面，但強調病人教育以確保安全使用。 相關文章 PubMed DOI 推理 ♡

這項研究評估了ChatGPT 4.0在急診部門進行病人分診的效果，並與人類分診人員進行比較。分析了2,658名病人的數據，結果顯示AI與人類的分診協議程度較低（kappa = 0.125）。在人類分診預測30天死亡率和生命救援需求方面，表現明顯優於AI（ROC分別為0.88對0.70及0.98對0.87）。這顯示雖然AI有潛力，但在急診分診中仍不如人類可靠，特別是對高風險病人的評估。 相關文章 PubMed DOI 推理 ♡

這項研究評估了GPT-4o在回答歐洲放射學文憑考試的表現，並與人類考生進行比較。2024年10月，42名考生與26名使用GPT-4o的醫學生比較，結果顯示GPT-4o平均得分82.1%，遠高於考生的49.4%（p < 0.0001）。GPT-4o在放射學各子專科的真陽性率較高，假陽性率較低，僅在資訊學方面表現不佳。GPT-4o的回答一致性接近完美，而考生則中等。調查顯示參與者普遍使用複製和粘貼功能，73%的人尋求澄清。總體而言，GPT-4o在低階問題上表現優於人類考生，顯示其潛力。未來需進一步研究其在不同問題類型和考生背景中的有效性。 相關文章 PubMed DOI 推理 ♡

美國健康系統藥學期刊（AJHP）現在會迅速在線上發布已接受的手稿，這是在最終格式化和作者校對之前。最近一項研究評估了四個大型語言模型（LLMs）——ChatGPT 4.0、Microsoft Copilot、Google Gemini 1.5 和 Meta AI，並將它們的藥物建議與重症成人的臨床指導方針進行比較。結果顯示，這些AI的回應準確性差異顯著，Microsoft Copilot 提供的正確建議比例最高，而Google Gemini則有最多不正確的回應。雖然這些AI顯示出潛力，但在重症護理的藥物建議上仍不夠準確。 相關文章 PubMed DOI 推理 ♡

這項研究探討大型語言模型（LLMs）在系統性回顧中自動化摘要篩選的可行性。研究測試了六種LLMs，並在23篇Cochrane Library的系統性回顧中評估其分類準確性。初步結果顯示，LLMs在小型數據集上表現優於人類研究者，但在大型數據集上，由於類別不平衡，精確度下降。研究還發現，LLM與人類的結合能減少工作量並保持高敏感性，顯示自動化篩選可減輕研究者負擔。總體而言，LLMs有潛力提升系統性回顧的效率與質量，但仍需進一步驗證。 相關文章 PubMed DOI 推理 ♡

慢性共濟失調症是一組超過300種疾病，因其臨床和遺傳特徵多樣，診斷上相當困難。本研究提出利用人工智慧（AI）來協助診斷，開發了一個智慧虛擬助手。這個助手的診斷準確率高達90.9%，超越了21位神經科醫師和GPT-4的表現。虛擬助手平均只需14個問題和1.5分鐘就能提供診斷清單，效率遠高於醫師的19.4分鐘。研究顯示，這個助手不僅準確，還能成為神經科諮詢的有力工具，未來可能應用於其他疾病。 相關文章 PubMed DOI 推理 ♡