大型語言模型的聊天機器人利用神經網絡處理語言，可提供個人化互動和技能發展。雖非針對醫療，但對卵巢癌等生醫問題有潛力。透過臨床審查非結構化數據，提供有價值見解。發展特定任務語言模型可增進生醫語言處理和科學寫作效能。提出卵巢癌特定語言模型可優化相關研究。 PubMed DOI

研究比較了不同NLP模型在擷取非小細胞肺癌患者影像報告中的癌症結果。結果顯示，DFCI-ImagingBERT表現最佳，但簡單模型也不錯。若資源有限，簡單機器學習模型仍可有效。 PubMed DOI

LLMs是先進的AI模型，可處理自然語言任務。研究發現它們在醫學，尤其是癌症護理上有應用價值。ChatGPT由OpenAI開發，被用於提供癌症相關資訊，但仍需注意錯誤率和數據更新。專家驗證至關重要，以避免提供錯誤資訊。AI潛力龐大，但需訂定指引以確保安全有效使用。 PubMed DOI

研究比較四個大型語言模型（LLMs）與專家醫師在協助精準腫瘤學臨床決策的表現。LLMs提供更多治療方案，但品質和可信度不如專家。然而，部分LLMs提出的治療方案獲得委員會認可。研究建議LLMs可提供協助，但無法取代人類專家。 PubMed DOI

研究探討大型語言模型如ChatGPT在乳癌管理上的應用，發現準確性有差異。儘管有潛力，但需注意準確性不一致和依賴提示等挑戰，強調驗證和監督的重要性。 PubMed DOI

自2022年以來，人工智慧的進步特別在大型語言模型（LLMs）和變壓器神經網絡方面大幅加速。這對腫瘤學和癌症研究產生深遠影響，因為AI模型現在展現出處理文本和圖像的能力已達人類水準。這些技術整合後可建立多模式AI模型，能同時處理各種數據類型，遠離過去專門化模型的十年。這些進步有望不久將來改革精準腫瘤學。 PubMed DOI

大型語言模型（LLMs）如ChatGPT被用來幫忙填表格等任務，尤其在整理癌症病歷時。一項研究使用ChatGPT 4.0從醫療報告中提取數據，顯示效率和成本效益皆有潛力。但仍需人類監督和整合現有工具以達最佳效果。生成式人工智能在處理腫瘤文檔上有潛力，但實際應用需謹慎評估人機互動。 PubMed DOI

人工智慧（AI）進步帶來大型語言模型，可應用於腫瘤學，支援臨床、教育和癌症研究。然而，應用前需解決問責、數據準確性和保護等問題。AI技術進步將引發道德和實際困境，需持續評估。本文探討大型語言模型在腫瘤學的應用潛力及相關挑戰。 PubMed DOI

這項研究探討小型大型語言模型（sLLM）在從病理報告中提取關鍵資訊的效果。使用三個版本的Llama 2模型，參數從70億到700億不等，並在零樣本和五樣本學習情境下進行評估。結果顯示，700億參數的模型在五樣本情境下表現優異，顯示sLLM能有效提升數據提取的效率與準確性。研究強調範例學習的重要性，並討論模型大小、準確性及處理時間的權衡，支持在臨床環境中應用先進語言模型，以改善病人護理和生物醫學研究。 PubMed DOI

這項研究針對將非結構化醫療文本轉換為結構化格式的挑戰，提出了一個自動化的本地流程，確保使用開源大型語言模型（LLMs）時能維護數據隱私。研究針對包含敏感健康資訊的德語醫療文件進行測試，結果顯示在800份非結構化醫療報告中，數據提取的準確率高達90%，表現優於醫生和醫學生的手動提取。這顯示該流程能有效提升數據可用性，同時保障隱私。 PubMed DOI