LLM 相關三個月內文章 / 第 88 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

自我導向學習（SDL）在醫學教育中非常重要，能提升學生的批判性思維和解決問題能力。隨著科技進步，像搜尋引擎和大型語言模型（LLM）聊天機器人等數位工具，已成為傳統資源的有力補充。不過，針對印度醫學生使用ChatGPT等LLM後的資源偏好，相關研究仍不多。 一項針對64名醫學生的研究顯示，47.62%的學生僅使用一種資源，最常用的是搜尋引擎（61.9%）和LLM聊天機器人（60.32%），而教科書的使用率則較低。這顯示醫學生在課堂上對數位工具的依賴逐漸增加。 相關文章 PubMed DOI 推理

本研究探討人工智慧（AI）輔助的心理社會介入現狀，分析2007至2024年間在Web of Science發表的207篇文章。主要發表來源為*Journal of Medical Internet Research*，美國在研究活動中表現突出。研究主題包括*機器學習*、*心理健康*、*認知行為療法*及*個性化*，自2020年以來對AI驅動療法的興趣逐漸上升，特別是像ChatGPT的工具。這顯示未來心理健康照護將更個性化與創新，並強調了進一步研究的必要性。 相關文章 PubMed DOI 推理

這項研究探討了使用關鍵分析過濾器（CAF）系統，來提升一個針對精神分裂症教育的聊天機器人可靠性。考量到患者的認知挑戰，研究團隊整合了大型語言模型（LLMs），如GPT-4，來改善教育效果。為了解決LLMs的不穩定性，研究人員開發了一個聊天機器人，能夠訪問專為患者和照顧者設計的手冊，並透過CAF進行回應的批判性評估。結果顯示，啟用CAF後，67%的回應符合標準，顯示CAF能有效提升心理健康教育的安全性與有效性。 相關文章 PubMed DOI 推理

這項研究評估了GPT-4在解讀乳房X光影像的表現，使用了120張影像，分為有發現和無發現兩類。GPT-4的正確識別率為53.3%，在微鈣化和腫塊的識別上，敏感度為50.0%，特異度為37.5%。研究顯示出許多假陽性和假陰性，並出現幻覺現象，顯示模型的局限性。這強調了在乳房X光檢查中使用大型語言模型的潛力與風險，呼籲對醫療AI工具進行專門訓練和驗證，以確保其臨床可靠性與安全性。 相關文章 PubMed DOI 推理

這項研究評估了ChatGPT-3.5、ChatGPT-4及由ChatGPT-4驅動的Microsoft Copilot在手外科自我評估考試中的表現。分析了1,000道來自美國手外科學會的問題。結果顯示，ChatGPT-3.5的正確率為51.6%，而ChatGPT-4提升至63.4%；Microsoft Copilot則為59.9%。ChatGPT-4和Microsoft Copilot的表現均優於ChatGPT-3.5，顯示出它們在醫學教育中的潛力。研究建議未來需進一步評估這些模型在不同情境下的可靠性。 相關文章 PubMed DOI 推理

這項研究評估了ChatGPT 3.5和4.0生成的病人教育材料（PEMs）在可讀性上的表現，針對常見手部疾病進行分析。研究發現，ChatGPT 4.0在啟發階段後，有28%的內容達到六年級閱讀水平，而3.5則沒有生成合適的內容。整體來看，4.0在所有可讀性指標上均優於3.5，顯示出其在提升病人教育和健康素養方面的潛力，未來隨著進一步改進，這一潛力將更為明顯。 相關文章 PubMed DOI 推理

公共衛生干預措施如疫苗接種和社交距離的成效，依賴於公眾的支持與遵守。社交媒體成為評估公眾參與的重要工具，但在緊急情況下，缺乏即時監測可能導致反應延遲。為此，我們開發了PH-LLM（公共衛生大型語言模型），專注於即時公共衛生監測，並建立了多語言數據集。PH-LLM在多項任務中表現優於其他模型，顯示其在公共衛生資訊監測上的潛力，能有效增強政策制定與危機應對。此研究部分由NIH贈款支持。 相關文章 PubMed DOI 推理

從自由文本醫療紀錄中提取結構化數據，特別是病理報告，面臨不少挑戰。傳統方法因醫療語言複雜而困難重重。這項研究開發了一個端到端的LLM管道，能有效提取病理報告中的診斷、解剖部位等元素。透過人機協作，我們將重大錯誤率降至0.99%。在3520份報告中，識別腎腫瘤亞型的F1分數達0.99，顯示LLM提取管道在良好指示下可達接近專家準確性，並可應用於其他臨床信息提取任務。 相關文章 PubMed DOI 推理

這項研究探討稀疏自編碼器（SAEs）在生物醫學，特別是針對不良藥物反應（ADRs）的應用。研究人員將Gemma2-9b-it模型中的藥物名稱隱藏狀態嵌入轉換為可解釋的特徵，並訓練線性分類器預測ADRs的可能性。結果顯示，對急性腎損傷和腸胃道出血等情況的預測表現良好，AUC-ROC分數高。SAE輸出的線性分類器表現與原始嵌入的神經網絡相當，顯示SAEs能有效保留重要資訊並簡化模型，增強解釋性，適用於藥物監測等生物醫學應用。 相關文章 PubMed DOI 推理

這項研究探討大腦在即時對話中如何處理語言，利用fMRI技術測量參與者的神經活動。研究指出，理解和產生語言的神經系統是相互連結的，卻常被分開研究。透過分析大型語言模型的上下文詞嵌入，發現負責語言產出和理解的腦區有顯著重疊，並延伸至與社會認知相關的區域，顯示大腦的語言處理系統與溝通的更廣泛網絡有共同特徵。 相關文章 PubMed DOI 推理