Deep learning-based natural language processing for detecting medical symptoms and histories in emergency patient triage.
基於深度學習的自然語言處理在急診患者分流中檢測醫學症狀和病史。 Am J Emerg Med 2024-02-16

研究使用大型語言模型如GPT和BERT自動記錄急診科臨床診斷，並進行BERT微調。透過XAI和SHAP方法分析模型，結果顯示KLUE-RoBERTa表現最佳，XAI提供可靠解釋。研究指出LLMs或許可簡化韓國急診科電子病歷記錄。 PubMed DOI

Diagnostic reasoning prompts reveal the potential for large language model interpretability in medicine.
診斷推理提示揭示了大型語言模型在醫學領域可解釋性的潛力。 NPJ Digit Med 2024-02-01

研究發現，透過診斷提示，GPT-4能夠模擬臨床醫師的診斷過程並保持準確性。這對醫師理解並信任LLMs的回應很重要，有助於克服「黑盒子」問題，提升LLMs在醫學實踐中的安全性與效益。 PubMed DOI

Investigating the Impact of Prompt Engineering on the Performance of Large Language Models for Standardizing Obstetric Diagnosis Text: Comparative Study.
研究即時工程對大型語言模型在標準化產科診斷文本表現的影響：比較研究。 JMIR Form Res 2024-02-25

研究使用真實世界數據評估大型語言模型（LLMs）在標準化產科診斷術語時的表現，發現LLMs在無監督設置中表現較佳。不同的提示工程設置會影響LLMs的表現，其中QWEN提示效果最好，有助於提高診斷術語對齊效率。 PubMed DOI

Can large language models reason about medical questions?
大型語言模型能否推理醫學問題？ Patterns (N Y) 2024-03-16

研究發現大型語言模型（如GPT-3.5和Llama 2）在處理複雜醫學問題時表現出色。透過提示和專家註釋，它們展現出在推理和回憶專業知識方面的潛力。GPT-3.5利用提示技術，在醫學基準測試中表現優異。Llama 2也有競爭力，其中Llama 2 70B 通過了MedQA-USMLE基準測試。 PubMed DOI

The Role of Large Language Models in Transforming Emergency Medicine: Scoping Review.
大型語言模型在轉變急診醫學中的角色：範疇性回顧。 JMIR Med Inform 2024-05-10

人工智慧，尤其是大型語言模型（LLMs），對急診護理工作流程和決策有改善作用。目前對LLMs在急診醫學的研究意見不一，需要一個全面的框架來了解其應用。這篇文章探討了LLMs在急診醫學的現況，並提出未來研究方向。經分析43篇論文，發現LLMs可強化臨床決策、提升效率、引起道德關注，並促進醫學教育。LLMs有潛力改變急診護理，但仍需進一步研究驗證其應用、建立負責任使用標準、解決道德問題，並提升醫護人員對人工智慧的認識。合作努力是安全有效整合LLMs於急診醫學中的關鍵。 PubMed DOI

Large Language Model Capabilities in Perioperative Risk Prediction and Prognostication.
大型語言模型在围手术期风险預測和預後評估中的能力。 JAMA Surg 2024-06-05

研究使用大型語言模型預測手術後結果，表現令人鼓舞，但在預測持續時間方面有困難。模型解釋能力或許對臨床有幫助，可補充傳統風險預測模型。 PubMed DOI

OpenMedLM: prompt engineering can out-perform fine-tuning in medical question-answering with open-source large language models.
OpenMedLM: 在醫學問答中，prompt engineering 可以優於對開源大型語言模型進行微調。 Sci Rep 2024-06-19

OpenMedLM是一個開源的醫學語言模型，在醫學基準測試中表現優異，且無需大量微調。透過提示策略，OpenMedLM在三個醫學語言模型基準測試中取得領先地位，超越其他模型。這顯示開源基礎模型在提升醫療任務表現方面具有潛力，同時也凸顯提示工程對於醫學應用中易用的語言模型的重要性。 PubMed DOI

Evaluation and mitigation of the limitations of large language models in clinical decision-making.
評估和緩解大型語言模型在臨床決策中的限制。 Nat Med 2024-07-04

大型語言模型(LLMs)在臨床決策中或許有好處，但目前還不適合實際醫療使用。一項研究指出，LLMs在真實病例中無法正確診斷、無法遵循指引、難以解釋檢驗結果，且難以整合到臨床流程中，可能危害患者健康。需要更多研究以改進LLMs在臨床決策的應用。 PubMed DOI

A pilot feasibility study comparing large language models in extracting key information from ICU patient text records from an Irish population.
一項針對愛爾蘭人群 ICU 患者文本記錄中提取關鍵信息的大型語言模型比較的初步可行性研究。 Intensive Care Med Exp 2024-08-15

這項研究探討大型語言模型（LLMs）在生成重症監護病房（ICU）病人出院摘要的表現，分析了匿名臨床筆記。三個模型中，GPT-4 API的表現最佳，準確識別41.5%的關鍵臨床事件，ChatGPT和Llama 2則分別為19.2%和16.5%。雖然GPT-4在資訊組織和清晰度上表現優異，但仍有小錯誤，且所有模型在敘事連貫性和重要數據的捕捉上存在挑戰。總體來看，這些LLM在生成出院摘要上有潛力，但仍需改進。 PubMed DOI

Large Language Model Prompting Techniques for Advancement in Clinical Medicine.
臨床醫學進步的大型語言模型提示技術。 J Clin Med 2024-09-14

大型語言模型（LLMs）有潛力顯著改變臨床醫學，能改善醫療服務的可及性、增強診斷、協助手術規劃及促進教育。不過，這些模型的有效運用需謹慎設計提示，以應對幻覺和偏見等挑戰。理解標記化、嵌入和注意力機制等關鍵概念，以及運用策略性提示技術，對生成準確輸出至關重要。AI技術與醫療專業人員的合作、重視倫理問題如數據安全和偏見緩解，能提升醫療服務質量與可及性。持續的研究與發展對於發揮LLMs在醫療領域的潛力至關重要。 PubMed DOI

原始文章

站上相關主題文章列表