LLM 相關三個月內文章 / 第 57 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究探討了人工智慧檢測器在辨別學生撰寫的論文與AI生成論文的效果，參與者為190名低年級解剖學與生理學的學生。研究分析了50篇論文，使用四種AI檢測器，並由人類評分者評估48篇。結果顯示，人類評分者的準確率為84-95%，而AI檢測器則為93-98%。假陽性率低，AI檢測器僅有1.3%的錯誤分類。學生調查顯示，許多人認為AI生成的論文優於自己的作品。整體來看，結合使用AI檢測器對教師評估學生作品是有效的策略。 相關文章 PubMed DOI 推理

這項研究探討了從電子病歷中檢測肺栓塞不良事件的挑戰，並開發了一個利用大型語言模型的框架。研究回顧了2017至2022年間的病歷，發現40例肺栓塞不良事件，流行率為0.4%。框架包含證據提取、出院資訊提取和PEAE檢測三個模組，評估了四個開源模型，結果顯示高敏感性和特異性。研究強調關鍵字過濾和出院摘要的納入能改善性能，並建議未來應加強上下文理解和醫學術語解釋，以提升檢測能力。 相關文章 PubMed DOI 推理

這項研究評估大型語言模型（LLMs）在小兒耳鼻喉科資訊提供的有效性，並與人類醫師比較。研究中提出54個問題，詢問幾個LLMs、一名住院醫師和一位小兒ORL專家。結果顯示，LLMs在理論情境下表現接近專家，但缺乏來源透明度，且在病人中心問題上效果較差。評審者對於區分人類與AI回答的共識不佳。總體而言，LLMs在小兒ORL有輔助潛力，但仍需人類監督以改善來源透明度和溝通能力。 相關文章 PubMed DOI 推理

人工智慧（AI）正在改變醫療，特別是在外科手術方面，尤其是腹股溝疝手術。這篇回顧探討了過去20年AI的演變，強調機器學習、自然語言處理、計算機視覺和機器人技術的應用。這些技術不僅改善了手術結果，還提升了病人護理。機器學習幫助開發預測模型，自然語言處理增進人機互動，計算機視覺協助手術視野，而機器人技術則提升了微創手術的精確度。這些發展顯示AI在未來的潛力與挑戰。 相關文章 PubMed DOI 推理

這項研究評估了ChatGPT提供的顳顎關節疾病（TMD）資訊的可靠性與實用性。研究人員使用李克特量表來評估ChatGPT對不同TMD分類的回應，並採用修改版DISCERN（mDISCERN）和全球質量量表（GQS）。結果顯示，咀嚼肌疾病的可靠性和實用性得分最高，而顳顎關節炎症性疾病則最低。整體而言，回應被認為高度可靠且中等實用，但在mDISCERN評分上評審之間有顯著差異。GQS顯示資訊質量為中等到高。研究結論指出，ChatGPT-4可作為患者和醫生獲取TMD資訊的輔助資源。 相關文章 PubMed DOI 推理

臨床試驗對醫學進步和病人獲得新療法非常重要，但像 ClinicalTrials.gov 的複雜語言讓人難以理解。本研究探討大型語言模型（LLMs），特別是 GPT-4，如何改善病人對癌症臨床試驗的教育。研究人員利用知情同意書，透過兩種 AI 方法創建易懂的摘要，並設計多選題評估病人理解。結果顯示，AI 生成的摘要更易讀，且超過 80% 的參與者表示理解更好。儘管 LLMs 有助於增強病人參與，但仍需解決準確性和倫理問題，未來應專注於改善 AI 流程和遵循法規。 相關文章 PubMed DOI 推理

這項研究指出社交媒體對抑鬱症患者的影響，特別是他們與扭曲內容的互動。研究中838名參與者顯示，抑鬱症狀較重的人更容易接觸這類內容。研究還提出一個簡單的介入措施，能幫助人們提高意識，減少與扭曲內容的互動，無論抑鬱程度如何。這顯示針對性的意識訓練能有效減輕社交媒體對抑鬱症患者的負面影響，並強調進一步研究社交媒體與心理健康關係的重要性。 相關文章 PubMed DOI 推理

人工智慧（AI）正在改變牙科領域，特別是ChatGPT等工具在診斷和治療計畫中展現潛力。本研究調查了384名印度馬哈拉施特拉邦的牙科學生和教職員對ChatGPT的認知與使用情況。結果顯示，87.2%的受訪者認識到ChatGPT的AI特性，研究生對其知識和使用意願較高，但教職員對數據隱私的擔憂更重。為了更好地整合AI於牙科教育，需開發針對性的培訓計畫。 相關文章 PubMed DOI 推理

乙型肝炎（HBV）影響全球約2.54億人，中國病例比例相當高。HBV的污名化使得人們獲得檢測和治療變得困難。本研究分析了中國醫友論壇的35,697則帖子，探討污名化與認知扭曲的關聯。結果顯示，與污名相關的帖子中，認知扭曲的出現率是非污名帖的1.8倍，特定扭曲如否定正面和標籤化更為常見。研究建議認知行為療法（CBT）可有效減少這些扭曲及其心理影響，並強調先進計算技術在心理學研究中的應用。 相關文章 PubMed DOI 推理

這項研究探討了ChatGPT在識別和修正多選題缺陷的有效性，於2023年2月至8月在Riphah國際大學進行。研究分三階段進行，第一階段ChatGPT成功識別缺陷並提出修正建議；第二階段則透過NBME指南訓練其檢測能力；第三階段測試顯示在某些缺陷上有所改善，但仍對非平行選項和詞彙重複等問題感到困難。整體效率未顯著改善，且高峰時段表現下降。這些結果顯示人工智慧在教育上的潛力與限制，持續研究對於發揮其能力至關重要。 相關文章 PubMed DOI 推理