社論討論了在電子健康記錄中使用大型語言模型像GPT-4的好處，以增進病人護理和臨床決策。雖然人工智慧驅動的語言模型能提升醫療效率，但需解決病人隱私、數據安全和偏見問題，確保公平醫療。呼籲醫護人員和研究者共同努力找出解決方案，充分運用人工智慧潛力，同時保障隱私和公平。 PubMed DOI

LLMs可協助自動化醫療行政工作，減輕醫師電子病歷負擔，提升病人護理。應注意安全、隱私、法規合規，並強調LLMs應輔助而非取代人類關懷。結合LLMs與專業知識可提升病人護理品質。在臨床環境中謹慎實施LLMs至關重要。 PubMed DOI

大型語言模型（LLMs）在自然語言處理領域有潛力，可加速臨床實踐，如診斷、預防和治療。智能對話系統運用LLMs被視為治療的未來，尤其是在ChatGPT時代。這研究專注於在醫療保健領域運用LLMs，特別關注認知衰退和產後抑鬱。討論LLMs在醫療保健中的好處，如增進臨床任務和提供個人化醫療，以及相關擔憂，如數據隱私和公平性。這有助於全球討論將LLMs整合到醫療系統中。 PubMed DOI

研究使用LLMs提升兒童健康識字能力，結果顯示LLMs能根據年級提供定制回應，但在六年級以下表現不佳。然而，它們可提供各種資訊，有助青少年了解健康資訊。需要進一步研究驗證其準確性和有效性。 PubMed DOI

LLMs如ChatGPT和Med-PaLM在醫學問答表現優秀，但在非英語環境面臨挑戰。KFE框架提升中文醫學表現，整合臨床知識。像ChatGPT和GPT-4在CNMLE-2022有顯著進步，超越人類並通過考試。研究指出結合醫學知識與LLMs的情境學習有效，可橋接全球醫療語言障礙，減少不平等。 PubMed DOI

研究探討利用先進語言模型（LLMs）改善醫療數據互通，轉換及傳輸。實驗證實LLMs可有效將結構化數據轉為非結構化、映射診斷代碼及提取臨床資訊。結果顯示LLMs有潛力增進醫療數據交流，無需複雜標準化。 PubMed DOI

隨著人口老化，老年人面臨慢性疾病的問題越來越嚴重，健康教育變得格外重要。特別是肺部吸入和吸入性肺炎，對老年人的健康風險很大。目前的健康教育方法常常無法滿足需求，尤其在居家資源和數位鴻溝方面。為了解決這些問題，我們的多學科團隊專注於醫生、護理人員和病人的需求，並創建了一個知識圖譜，開發了iHEAL-ePA智能健康教育系統，利用大型語言模型技術，提供清晰易懂的健康資訊，幫助預防老年人的肺部吸入，改善健康結果。 PubMed DOI

這篇論文探討大型語言模型（LLMs）在電腦媒介臨床諮詢中的應用潛力，涉及醫生、電子健康紀錄（EHR）系統和病人。儘管自然語言處理（NLP）已有進展，但EHR中的自由文本數據尚未被充分利用。LLMs擅長理解和生成自然語言，能有效處理臨床對話。論文建議透過針對特定任務的預訓練和微調，醫療提供者可利用自由文本來識別病人安全問題、支持診斷，並改善臨床互動。作者認為，微調的LLMs結合提示工程，能提升初級護理諮詢的效率與效果。 PubMed DOI

這篇論文介紹了KNOWNET，一個結合大型語言模型（LLMs）和知識圖譜（KGs）的視覺化系統，旨在提升健康資訊的準確性和探索性。它針對LLMs可能產生的錯誤資訊，透過提取結構化數據並與外部KGs驗證來降低風險。KNOWNET還提供結構化探索功能，根據KGs中的相關實體建議後續步驟，幫助使用者深入了解健康主題。此外，系統具備漸進式圖形視覺化功能，能追蹤過去查詢並連結當前查詢與建議。其有效性透過使用案例和專家訪談得以證實。 PubMed DOI

知識圖譜（KGs）改變了知識的表現方式，將實體及其關係以圖形結構組織，提升了推薦系統和問答系統的效能。像是Expert.AI的Sensigrafo，專注於透過機器導向的詞彙來增進自然語言理解。不過，維護知識圖譜仍然面臨挑戰，通常需要手動輸入。近期大型語言模型（LLMs）的進展，為自動化知識圖譜的豐富提供了新機會，本文探討了基於LLM的最新技術，並針對數據質量、經濟性、隱私等問題提供見解。 PubMed DOI