LLM 相關三個月內文章 / 第 67 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究評估了大型語言模型(LLMs),特別是GPT-4,在識別肝硬化患者方面的有效性,並與傳統診斷代碼和手動病歷審查進行比較。研究分析了3,788名肝硬化住院病人的出院摘要,結果顯示LLMs的準確性顯著高於基於代碼的分類,肝硬化及其併發症的正確預測值(PPV)介於87.8%到98.8%之間。這表明LLMs能更準確地識別肝硬化患者,可能減少對繁瑣病歷審查的需求,提高分類的可靠性。 相關文章 PubMed DOI

看起來你提到的是一篇有附加資料的文章,還有同一期的Forghani編輯文章。如果你需要更多資訊或是這篇文章或編輯的摘要,請提供更多細節! 相關文章 PubMed DOI

RetChemQA是一個新推出的基準數據集,專門用來評估機器學習模型在網狀化學領域的表現。它包含約90,000對問答,問題分為單跳和多跳,來源於約2,530篇知名出版商的研究論文。這個數據集是利用OpenAI的GPT-4 Turbo生成的,具備強大的語言處理能力。此外,RetChemQA還包含合成條件的數據集,旨在提供一個全面的平台,幫助開發和評估先進的機器學習算法,反映網狀化學的科學複雜性。 相關文章 PubMed DOI

這篇綜述文章全面介紹了大型語言模型(LLMs)和多模態語言模型(MLLMs),涵蓋它們的原理、應用及演變,適合各領域的研究人員、學生和學者閱讀。文章首先解釋了LLMs的技術概念,包括其運作原理和標記化過程,並探討了在生物大分子、醫學科學等領域的應用。接著,討論了LLMs的多模態應用,展示如何整合不同數據類型。最後,文章提到LLMs的挑戰及未來發展,為臨床醫生和科學家提供了重要資源,增進對這些模型的理解。 相關文章 PubMed DOI

這項研究評估了ChatGPT-4在頭頸癌患者治療決策的有效性,並與多學科腫瘤會議(MOM)及全國綜合癌症網絡(NCCN)指導方針進行比較。分析263名患者的數據後發現,ChatGPT-4在一線治療的協議程度為中等(Kappa = 0.48),而在二線治療則顯著(Kappa = 0.78)。與NCCN指導方針的協議也顯著,但在某些特定患者群體中協議程度下降。研究結論指出,ChatGPT-4能有效協助臨床決策,但仍需改進以應對患者健康狀況的複雜性。 相關文章 PubMed DOI

這篇系統性文獻回顧探討了人工智慧(AI)在耳鼻喉科的應用,分析了AI演算法在預測和檢測耳鼻喉疾病的研究,並強調其有效性和面臨的挑戰。研究從多個知名數據庫中選取2018至2024年的資料,最終回顧了27篇研究,發現62.5%的研究在疾病預測上有效。結果顯示,預訓練的深度學習模型表現優於卷積神經網絡,準確率介於75%到97%之間。儘管許多模型準確率超過90%,但數據質量和變異性仍是挑戰,呼籲進一步研究以提升AI的應用效果。 相關文章 PubMed DOI

在人機互動中,準確理解人類意圖對機器人執行任務非常重要。傳統方法需大量訓練來調整機器人行為,而本研究提出的ExTraCT框架,則利用自然語言來修改機器人的軌跡,無需為每個新場景重新訓練。ExTraCT將語言理解與軌跡修改分開,並利用大型語言模型進行語義對齊,提升了適應性和準確性。在模擬和實體機器人研究中,ExTraCT的表現優於基準方法,並提供更具可解釋性的結果,適用於多種人機互動應用。 相關文章 PubMed DOI

這項研究探討社交媒體上有關憂鬱症的報導,透過道德基礎理論分析其對公眾看法的影響。研究分析了919則微博貼文及92,505則評論,發現關懷、純潔和公平的道德框架較常見,且大多數觀眾反應支持而非污名化。雖然關懷和忠誠的框架能引起贊同,但也可能降低觀眾參與度。這顯示憂鬱症在媒體中的呈現對社會態度和減少污名化有重要影響。 相關文章 PubMed DOI

這項研究探討了生成式大型語言模型(LLMs),特別是GPT-4,在材料科學中提取帶隙數據的效果。研究將GPT-4與基於規則的ChemDataExtractor進行比較,從415篇隨機文章中提取資料。結果顯示,GPT-4的準確率達87.95%,遠超過ChemDataExtractor的51.08%。雖然GPT-4在處理複雜材料名稱上表現優異,但在準確識別帶隙值及類型方面仍有挑戰。研究強調透過錯誤分析來改善提示可提升準確性,顯示生成式LLMs在專業資訊提取上的潛力。 相關文章 PubMed DOI

大型語言模型(LLMs)在專業考試中表現出色,讓人對其在臨床實踐中的應用感到興奮。不過,這需要臨床醫師技能的轉變。我們的回顧指出,醫療專業人員需發展以下能力: 1. **跨學科訓練**:結合醫學知識與AI技術的理解。 2. **批判性思維**:評估AI生成內容的能力。 3. **溝通技巧**:有效與患者及團隊溝通AI見解。 4. **倫理與專業精神**:重視AI使用的倫理影響。 5. **適應能力**:持續學習以跟上AI進步。 這些領域的重視將幫助醫師有效利用LLMs,提升患者治療結果並降低風險。 相關文章 PubMed DOI