**重點摘要：** 大型語言模型（LLMs）正在快速改變生物醫學研究，像是擔任「共同主持人（Co-PIs）」的角色，協助進行文獻回顧和假說產生等工作。這篇文章討論了在實驗室中使用LLMs的好處與風險，並提供一個框架，幫助研究人員和學生有效且負責任地運用AI工具。 相關文章 PubMed DOI 推理 ♡

作者們推出了 Career Map (CMap) 資料集，收錄520萬個標準化職稱、24個產業及9萬多筆職涯晉升紀錄。透過NLP和大型語言模型，能分析職業專業化、產業集中度和職涯流動等議題，協助研究職位階層、流動性及勞動市場不平等。CMap 對探討教育、經驗等因素如何影響職涯發展很有幫助。 相關文章 PubMed DOI 推理 ♡

這項研究用大型語言模型（LLM）從急診病歷的主訴和病史中提取病情嚴重度，並把分數加進預測模型，讓還沒生命徵象時就能更準確預測重症（AUC-ROC從0.746提升到0.802）。即使有生命徵象後，LLM分數還是有幫助。結果證明LLM能有效協助急診分級，但還有進步空間。 相關文章 PubMed DOI 推理 ♡

調查發現，剛入行的脊椎外科醫師多半會用AI工具，像是用ChatGPT幫忙校稿、改寫或資料分析。大家普遍覺得AI能提升效率，但也擔心準確度。不過，真正受過AI訓練或有AI指導老師的人很少。這顯示年輕醫師用AI很普遍，但也急需正式的AI教育，確保能正確、安全地運用。 相關文章 PubMed DOI 推理 ♡

這篇研究發現，護理研究所學生用ChatGPT寫作業有助於省時和學習，但也帶來倫理疑慮。訪談13位學生後，歸納出機會、不確定性及實務建議三大主題。研究強調，老師應了解學生怎麼用AI，重視倫理問題，並調整教學與評量方式，協助學生負責任地運用AI工具。 相關文章 PubMed DOI 推理 ♡

放射科教育因臨床工作量大，教師教學時間有限。整合大型語言模型（LLMs）到放射報告流程，可於報告前、中、後即時提供病例摘要、診斷建議、回饋與學習資源，協助提升受訓醫師學習成效，同時不影響臨床效率。 相關文章 PubMed DOI 推理 ♡

這項研究發現，用自然語言處理（NLP）分析臨床紀錄，比傳統ICD編碼更能準確辨識髖部骨折患者的跌倒事件及其機制。NLP辨識跌倒事件的準確率高達98%，遠勝ICD的26%；辨識跌倒機制也優於ICD。顯示NLP能有效提升疾病登錄資料的正確性。 相關文章 PubMed DOI 推理 ♡

這項研究比較 GPT-4 和 Claude 3 Opus 兩款大型語言模型在醫學選擇題上的表現。結果發現，兩者在語意推理題的表現比數值推理題好，且 Claude 3 在數值題上勝過 GPT-4。不過，兩者在不同醫學主題的表現不一，整體準確度也都低於人類醫師。此外，模型選擇作答或跳過，並不能代表答案正確與否，因此他們的醫療建議還是要小心判斷。 相關文章 PubMed DOI 推理 ♡

這篇研究發現，單一大型語言模型在不同醫學問答資料集上的表現差異很大。透過LLM-Synergy框架，結合多個LLM並用加權多數決和分群動態選擇兩種集成方法，能有效提升準確率。實驗結果顯示，這種集成方式在三個醫學QA資料集上都比單一模型表現更穩定、更可靠。 相關文章 PubMed DOI 推理 ♡

肝硬化照護很複雜，傳統門診難即時掌握病況。現在有居家監測裝置能連續收集健康數據，但整合進照護流程有困難。大型語言模型和生成式AI能協助整理、分析這些資料，幫助監測併發症、支援醫師決策，甚至自動分流和摘要病人資訊。未來生成式AI有望大幅改變肝硬化居家照護模式。 相關文章 PubMed DOI 推理 ♡