這項研究分析了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在婦產科教育中的表現。研究比較了2020至2023年間116道考題的得分，結果顯示GPT-4的平均得分為79.31，與住院醫師的得分相當，顯示其表現優異。特別是在婦產科問題上，GPT-4的得分高達90.22，顯示其在該領域的強大能力。研究強調，雖然LLMs如GPT-4展現出潛力，但仍需注意其局限性，應作為人類專業知識的輔助工具。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在從腫瘤科電子健康紀錄中提取患者共病情況的表現。研究分析了250份病歷報告，結果顯示GPT-4在敏感性上表現優於GPT-3.5和醫生，達到96.8%。雖然醫生在精確度上稍勝一籌，但GPT-4的表現更一致，且能推斷出非明確的共病情況。整體而言，這些模型在提取資訊方面顯示出潛力，可能成為數據挖掘的重要工具。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4和GPT-3.5，如何分析急診部報告以識別與腎結石相關的就診。研究使用標註過的數據集，透過提示優化和微調來提升模型表現。結果顯示，GPT-4的宏觀F1分數為0.833，表現最佳，而GPT-3.5為0.796。微調改善了GPT-3.5的表現，並且加入人口統計和醫療歷史信息有助於決策。GPT-4未顯示種族或性別偏見，但GPT-3.5在種族多樣性建模上有困難。研究強調了LLMs在臨床應用的潛力及偏見問題的重要性。 PubMed DOI

這項回顧性研究探討大型語言模型（LLMs）在提升中文超音波報告準確性上的效果。研究分析了2024年1月至4月期間三家醫院的400份報告，發現243個錯誤，並將其分為六類。研究評估了三個版本的GPT和Claude 3.5 Sonnet在零樣本和少樣本情境下的表現。結果顯示，Claude 3.5 Sonnet在零樣本設定中的錯誤檢測率最高，達52.3%。此外，LLMs處理報告的速度也明顯快於放射科醫生，顯示其在提升報告準確性方面的潛力。 PubMed DOI

這項研究評估了五個大型語言模型（LLMs）在重症醫學中的表現，針對1181道選擇題進行測試。結果顯示，GPT-4o的準確率最高，達93.3%，其次是Llama 3.1 70B（87.5%）和Mistral Large 2407（87.9%）。所有模型的表現都超過隨機猜測和人類醫師，但GPT-3.5-turbo未顯著優於醫師。儘管準確性高，模型仍有錯誤，需謹慎評估。GPT-4o成本高昂，對能源消耗引發關注。總體而言，LLMs在重症醫學中展現潛力，但需持續評估以確保負責任的使用。 PubMed DOI

這項研究比較了大型語言模型（如GPT-3.5和GPT-4）與傳統機器學習方法（如梯度提升樹）在使用電子健康紀錄預測臨床結果的效果。結果顯示，傳統機器學習在預測性能和模型校準上均優於大型語言模型，且在隱私保護下對人口統計信息的泛化能力更強。雖然GPT-4在公平性指標上表現最佳，但其預測性能卻有所下降。總體來看，傳統機器學習在臨床預測任務中仍然更為有效和穩健。 PubMed DOI

跌倒是醫院常見的不良事件，對患者及醫療系統影響深遠。本研究旨在利用大型語言模型（LLMs）自動編碼住院跌倒記錄，提取跌倒地點及受傷情況。研究分析了187條跌倒事件，使用GPT-4-turbo模型進行數據分類，結果顯示模型在地點和受傷檢測上表現優異，準確率均超過0.913及0.953。結論指出，GPT模型能有效從未優化文本中提取信息，顯示其在臨床風險管理中的潛力。 PubMed DOI

這項研究探討了從電子病歷中檢測肺栓塞不良事件的挑戰，並開發了一個利用大型語言模型的框架。研究回顧了2017至2022年間的病歷，發現40例肺栓塞不良事件，流行率為0.4%。框架包含證據提取、出院資訊提取和PEAE檢測三個模組，評估了四個開源模型，結果顯示高敏感性和特異性。研究強調關鍵字過濾和出院摘要的納入能改善性能，並建議未來應加強上下文理解和醫學術語解釋，以提升檢測能力。 PubMed DOI

MAUDE資料庫追蹤醫療器材的不良事件，最近受到更多關注，但報告中的敘述常被忽略，導致重要見解流失。為了解決這個問題，我們使用大型語言模型（LLMs），特別是OpenAI的GPT-4-turbo，來分析內視鏡夾相關的MAUDE報告，識別未編碼的手術程序並提取額外見解。這種方法顯示LLMs在處理敘述數據上的有效性，提供比傳統分析更高效且具成本效益的替代方案，最終能將MAUDE報告轉化為臨床實踐的可行知識。 PubMed DOI

這項研究評估了三種先進的人工智慧語言模型（AI-LLMs）在解讀心臟胎兒監護圖（CTG）影像的表現，對於監測胎兒健康至關重要。測試的模型包括ChatGPT-4o、Gemini Advanced和Copilot，並與初級醫生和資深醫生的解讀進行比較。結果顯示，ChatGPT-4o得分最高（77.86），接近資深醫生（80.43），在解讀深度上表現特別優秀。研究顯示，AI-LLMs，尤其是ChatGPT-4o，可能提升診斷準確性，改善婦產科病人護理。 PubMed DOI