LLM 相關三個月內文章 / 第 99 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究發現,連接專業文獻資料庫的語言模型,在擷取基因與表現型關聯時,比一般用途的模型更準確,正確率超過八成,還能提供文獻佐證。對需要精確檢索的生醫研究來說,專用 LLMs 更值得信賴。 相關文章 PubMed DOI 推理

研究分析近5,000則網友討論,發現許多飼主在家餵狗狗吃藥時會感到壓力和焦慮,甚至有經濟負擔。大家普遍偏好咀嚼型藥物,但也擔心狗狗會吃太多。常見的餵藥方法有把藥藏在食物裡或用分心法。專家建議加強醫病溝通、提供經濟協助,並開發更多藥物型態,幫助飼主更順利餵藥。 相關文章 PubMed DOI 推理

這項研究發現,Elicit 和 ChatGPT 兩種 AI 工具在系統性文獻回顧的資料萃取表現跟人工差不多,F1 分數大約都有 90%。不過,AI 有時會產生虛構內容,約佔 4%。作者建議可以用 AI 取代其中一位人工萃取者,讓另一位專心處理 AI 和人工之間的差異。 相關文章 PubMed DOI 推理

這項研究發現,無論是外科醫師還是醫學生,對 ChatGPT-4o 和 UpToDate 在手部及上肢外科問題的實用性和完整性評價都差不多,但 ChatGPT-4o 引用的參考文獻多數不正確。雖然 ChatGPT-4o 有潛力成為教育工具,但引用資料的正確性仍需注意。 相關文章 PubMed 推理

這項研究發現,把ChatGPT結合進腎臟科的PBL教學,能有效提升醫學生的成績、滿意度和學習效率。雖然學生課前準備時間變多,但課後複習時間反而減少。整體來說,這種教學方式有助於提升醫學教育品質,但還需要更多、更長期的研究來確認效果。 相關文章 PubMed DOI 推理

泌尿科正積極導入AI和大型語言模型,提升診斷、資料分析和病患照護效率。數位健康應用程式也越來越重要。不過,還需注意法律、倫理和資料保護等問題,並確保資料品質和資訊安全。未來發展需要跨領域合作。 相關文章 PubMed DOI 推理

**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