提示工程是新興領域，專注於設計提示以引導像ChatGPT這樣的大型語言模型。這些模型已廣受歡迎，使人工智慧更易接觸。這轉變對醫療保健產生影響，因為人工智慧工具廣泛應用。本文回顧提示工程研究，提出建議，協助醫療保健專業人員善用大型語言模型。 PubMed DOI

生成式人工智慧和大型語言模型像ChatGPT有潛力改變醫療數據管理。研究指出整合這些技術到醫療實務需協作，強調強化學習和人類反饋。雖然面臨道德挑戰，但大型語言模型可改善醫療決策。持續創新在數據處理、模型優化和實施策略至關重要，組織應負責任地應用這些技術以提升醫療品質、安全和效率。 PubMed DOI

AI和NLP的進步帶來像ChatGPT這樣的模型，對醫療保健領域有潛力。一份文獻回顧評估了ChatGPT在醫學寫作和臨床環境中的作用，發現它在生成研究想法等任務中很有用，但也指出了不準確和知識有限等限制。使用時需謹慎監督，才能充分發揮ChatGPT在改善病人護理和醫學決策方面的潛力。 PubMed DOI

在護理教育中運用人工智慧工具如ChatGPT，可提供個人化學習和互動參與。教職員需巧妙設計提示，以達教育目標並提升學習成果。有效提示對AI回應至關重要，有助於提升學生理解能力。本文探討了在學術環境中優化AI內容生成的重要性，並提供護理教育工作者運用AI的指導。精通提示設計可提升教學效果、工作效率和學生成果。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4，如何生成符合病人和醫師需求的醫療建議回應。研究團隊透過人員參與的迭代過程，優化提示，提升回應質量。經過三次迭代後，臨床醫師對草擬回應的接受度從62%提升至84%，且74%的回應被評為「有幫助」。病人也認為優化後的回應在語氣和質量上更佳，76%的病人無法分辨人類與LLM生成的回應。研究顯示，根據醫師和病人的反饋來精煉提示，能有效生成有用的醫療建議。 PubMed DOI

NYU Langone Health 的 Prompt-a-thon 是一個創新的醫療群眾外包活動，專注於生成式人工智慧（GenAI）。活動旨在提升 AI 的流暢度，並促進跨學科合作，包含教育課程和實作工作坊，參與者可使用真實醫療數據進行實驗。調查顯示，參與者對使用 GenAI 的信心提升，並更願意在同事中推廣。整體反應良好，技術問題少，參與度高，為未來將 GenAI 整合進醫療環境提供了寶貴見解。 PubMed DOI

這項研究探討了提示工程對大型語言模型（LLM），特別是GPT-4，在醫療提供者回應病人詢問時的影響。研究持續8個月，參與者有27位醫療提供者，主要評估LLM生成訊息的使用情況及提供者的情感變化。 結果顯示，7605條訊息中僅17.5%被使用，負面情感顯著減少，但整體使用量卻下降。隨著護士的加入，使用量提升至35.8%。雖然提示工程改善了內容質量，但整合LLM進工作流程仍面臨挑戰，未來需更注重人因因素以提升可用性和有效性。 PubMed DOI

這項研究探討不同提示工程技術對大型語言模型（如ChatGPT3.5和GPT4）在回答視網膜疾病相關問題時的影響。研究中使用了二十個常見問題，並在獨立問題、優化提示（提示A）及加上長度和閱讀水平限制的提示B下進行測試。三位視網膜專家評估回應的準確性和全面性，結果顯示兩個模型在各指標上無顯著差異，但提示B的可讀性較高，卻以準確性和全面性為代價。研究建議未來需進一步探討LLM在病人教育中的有效性及倫理問題。 PubMed DOI

這項研究聚焦於醫療領域的提示工程，探討其如何提升大型語言模型（LLMs）處理複雜醫療文本的能力。研究回顧了114篇2022至2024年間的相關文獻，發現提示設計（PD）是最常用的方法，且ChatGPT是最受歡迎的LLM。思考鏈技術被廣泛應用，但有61%的研究未報告基準，影響有效性評估。研究旨在提供醫療提示工程的現狀，識別機會與挑戰，並提出未來研究的指導方針。 PubMed DOI

這項研究探討如何透過提示工程提升ChatGPT-4在放射學問題上的表現，特別針對2022年美國放射學會的測試題。雖然ChatGPT-4在文字任務上表現優異，但在影像問題上則較弱。研究人員設計了四種角色，使用不同提示來評估其對準確性的影響。結果顯示，鼓勵性提示或責任免責聲明能提高準確性，而威脅法律行動的提示則降低準確性，且未回答問題的比例較高。這強調了提示背景在優化大型語言模型回應中的重要性，並呼籲在醫療環境中負責任地整合人工智慧的進一步研究。 PubMed DOI