Evaluating Large Language Models on Medical Evidence Summarization.
評估大型語言模型在醫學證據摘要上的表現。 medRxiv 2023-09-04

LLMs在醫學領域的應用有潛力，但研究指出它們在生成摘要時可能不夠準確，容易出現錯誤或誤導性資訊。自動評估工具並不完全可靠，人工評估顯示在長篇文章中尤其難以辨識關鍵訊息。因此，在醫療保健領域中，我們應謹慎使用LLMs，不可全然依賴其能力。 PubMed DOI

Evaluating large language models on medical evidence summarization.
評估大型語言模型在醫學證據摘要上的表現。 NPJ Digit Med 2024-04-02

LLMs（如GPT-3.5和ChatGPT）在各種任務上表現逐漸提升，包括醫學證據摘要。然而，自動評量不一定準確，人類評估發現LLMs有時會產生不準確或誤導性的摘要，尤其在醫學領域。這些模型在識別關鍵信息和處理長文本時仍有改進空間。 PubMed DOI

Clinical Text Summarization: Adapting Large Language Models Can Outperform Human Experts.
適應大型語言模型可勝過人類專家：臨床文本摘要。 Res Sq 2024-03-27

研究發現利用大型語言模型（LLMs）總結電子健康記錄（EHR）有助於減輕臨床文件負擔，提升臨床醫生專注於個性化患者護理。研究指出最佳適應的LLMs在完整性和正確性方面優於人工摘要，但也面臨挑戰，需要進一步改進。 PubMed DOI

Systematic analysis of ChatGPT, Google search and Llama 2 for clinical decision support tasks.
ChatGPT、Google 搜尋和 Llama 2 在臨床決策支援任務中的系統性分析。 Nat Commun 2024-03-09

研究發現GPT-4在醫學案例初步診斷、檢查和治療方面表現最佳，尤其在常見疾病方面。商業LLMs有潛力用於醫學問答，但仍需加強。開源LLMs則可應對數據隱私和培訓透明度需求。強調強大且受監管的AI模型在醫療保健領域的重要性。 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

PMC-LLaMA: toward building open-source language models for medicine.
PMC-LLaMA：朝向建立醫學開源語言模型。 J Am Med Inform Assoc 2024-04-13

文章介紹了一個名為PMC-LLaMA的醫學語言模型，整合了生物醫學論文和醫學教科書。經過微調後，用於醫學問答和推理任務，表現優於其他模型。PMC-LLaMA是一個輕量級模型，有13B個參數，旨在推動醫學語言模型的發展。該研究提供了消融研究和釋出模型、程式碼和資料集供研究使用。 PubMed DOI

Using large language models for safety-related table summarization in clinical study reports.
使用大型語言模型進行臨床研究報告中與安全相關的表格摘要。 JAMIA Open 2024-05-31

LLMs在臨床試驗文件生成上有潛力。輝瑞挑戰使用LLMs自動化臨床試驗文件，尤其是為CSRs創建安全表摘要。評估顯示性能差異，特別是在事實準確性和寫作風格方面。團隊多使用GPT模型，改進方向包括表格輸入、上下文添加和微調。挑戰結果顯示LLMs在自動化CSRs中表格摘要有潛力，強調需優化人類輸入和持續研究。 PubMed DOI

Comparison of Prompt Engineering and Fine-Tuning Strategies in Large Language Models in the Classification of Clinical Notes.
比較大型語言模型中即時工程和微調策略在臨床記錄分類中的效果。 AMIA Jt Summits Transl Sci Proc 2024-06-03

研究評估大型語言模型在醫療保健領域的應用，尤其是在辨識轉移性癌症患者方面。比較了GPT-3.5 Turbo、GPT-4、Llama-7B和BERT模型，結果顯示GPT-4表現最佳，提升了提示和推理步驟。建議透過適當的提示工程，GPT-4可取代專門模型，並提供臨床使用的機會。 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

Generalizable clinical note section identification with large language models.
大型語言模型在臨床筆記部分識別的普遍性。 JAMIA Open 2024-08-14

這項研究探討大型語言模型（LLMs）在臨床筆記段落識別的應用，旨在克服傳統監督方法的限制。研究將段落識別設為問答任務，並評估不同的LLMs，結果顯示GPT-4的F1分數最高，達到0.77，表現優異。最佳的開源模型Tulu2-70b得分為0.64，與GPT-3.5相當。研究指出，雖然微調模型在大數據集上表現穩定，但增加段落識別範例能提升性能。總體而言，LLMs，特別是GPT-4，已接近實際應用於臨床筆記段落識別，並可透過微調進一步改善。 PubMed DOI

原始文章

站上相關主題文章列表