Improving the Transferability of Clinical Note Section Classification Models with BERT and Large Language Model Ensembles.
使用BERT和大型語言模型集成改善臨床註釋部分分類模型的可轉移性。 Proc Conf Assoc Comput Linguist Meet 2023-10-04

這項研究專注於將電子健康記錄中的文本組織成不同部分，並將其歸類為不同類別。研究人員結合了監督式學習模型中的特定數據集知識和大型語言模型（LLMs），發現零-shot LLMs 在跨領域數據上的表現優於監督式基於BERT的模型。通過集成技術結合兩種模型的優勢進一步提高了性能。 PubMed DOI

Comparative study of ChatGPT and human evaluators on the assessment of medical literature according to recognised reporting standards.
ChatGPT 和人類評估者在根據公認的報告標準評估醫學文獻的比較研究。 BMJ Health Care Inform 2023-10-23

研究比較ChatGPT3與人類評估醫學研究摘要質量的能力，結果顯示兩者整體符合度有些微差異，但在特定領域表現不同。ChatGPT有助於自動化醫學文獻評估，或許提升準確性。未來的AI技術如GPT4可能提供更可靠的評估，進而改善患者治療結果。 PubMed DOI

RxBERT: Enhancing drug labeling text mining and analysis with AI language modeling.
RxBERT：利用AI語言建模增強藥物標籤文本探勘與分析。 Exp Biol Med (Maywood) 2024-01-21

RxBERT是在BERT基礎上訓練的模型，應用在FDA藥物標籤文件，提升了藥物資訊分析效能。在各種任務中表現優異，勝過其他自然語言處理模型，有助於提升藥物安全審查和監管決策效果。RxBERT能協助研究人員和FDA審查員更有效地利用藥物標籤數據，促進公共衛生進步。這研究凸顯了專業監管文件訓練語言模型的重要性。 PubMed DOI

Automated Paper Screening for Clinical Reviews Using Large Language Models: Data Analysis Study.
使用大型語言模型進行臨床評論的自動篩選：資料分析研究。 J Med Internet Res 2024-01-29

研究評估了OpenAI的GPT和GPT-4在比較人類審查員時，對臨床研究論文標題和摘要的辨識表現。結果顯示，這些模型在篩選超過24,000個標題和摘要時表現準確且敏感，並展現了推理能力並修正錯誤。這些人工智慧模型有潛力優化審查流程、節省時間，並提升臨床研究品質，而非取代研究人員。 PubMed DOI

Can ChatGPT assist authors with abstract writing in medical journals? Evaluating the quality of scientific abstracts generated by ChatGPT and original abstracts.
ChatGPT 是否能協助醫學期刊作者撰寫摘要？評估 ChatGPT 生成的科學摘要與原始摘要的品質。 PLoS One 2024-02-17

最新研究評估了ChatGPT在從隨機對照試驗（RCT）數據中產生科學摘要的表現，結果顯示ChatGPT的摘要雖然更易讀，但品質不如原始摘要。ChatGPT 3.5版和4版在遵循CONSORT-A檢查表方面表現較差。有必要進一步研究ChatGPT在醫學研究中的應用價值。 PubMed DOI

Automatic categorization of self-acknowledged limitations in randomized controlled trial publications.
隨機對照試驗出版物中自我承認限制的自動分類。 J Biomed Inform 2024-04-07

研究目標是開發NLP方法和資料集，辨識RCT出版物中的自我承認限制。團隊建立了限制類型資料模型，標記了200份RCT出版物，透過微調BERT模型識別限制句子。他們嘗試運用資料擴增技術處理小資料庫問題。最佳模型在辨識限制句和類型方面有顯著進展，這自動化方法有助提高研究透明度，支持臨床試驗文獻的證據綜合。 PubMed DOI

CONSORT-TM: Text classification models for assessing the completeness of randomized controlled trial publications.
CONSORT-TM：用於評估隨機對照試驗出版物完整性的文本分類模型。 medRxiv 2024-04-18

研究目標是開發文本分類模型，用來判斷隨機對照試驗報告是否符合 CONSORT 指南。研究者使用標註資料訓練模型，比較了不同方法後發現，微調 PubMedBERT 模型效果最好。數據擴增對模型有正面影響，尤其是使用 UMLS-EDA 效果較好。針對不同部分的特定模型，如方法部分，表現有所提升。總結來說，微調的 PubMedBERT 模型表現不錯，但仍有改進的空間，可提升期刊編輯工作流程及手稿品質。 PubMed DOI

Evaluating large language models for health-related text classification tasks with public social media data.
利用公共社交媒體數據評估大型語言模型在健康相關文本分類任務中的表現。 J Am Med Inform Assoc 2024-08-09

這項研究評估大型語言模型（LLMs）在社交媒體健康相關文本分類的表現，並比較了不同模型的效果。結果顯示，基於人類標註數據的模型如RoBERTa和BERTweet表現優於基於GPT-3.5和GPT-4的模型。雖然LLM可用於數據增強，但僅依賴LLM標註數據訓練效果不佳。研究指出，LLM作為零樣本分類器能有效減少假陰性，並減輕手動標註負擔，顯示其在特定領域自然語言處理的潛力。 PubMed DOI

Human-Comparable Sensitivity of Large Language Models in Identifying Eligible Studies Through Title and Abstract Screening: 3-Layer Strategy Using GPT-3.5 and GPT-4 for Systematic Reviews.
大型語言模型在通過標題和摘要篩選識別合格研究中的人類可比敏感性：使用 GPT-3.5 和 GPT-4 進行系統評價的三層策略。 J Med Internet Res 2024-08-16

這項研究探討了一種三層篩選方法，利用GPT-3.5和GPT-4來提升雙相情感障礙治療的系統性回顧中標題和摘要的篩選效率。篩選分為三個層次：研究設計、目標患者及介入措施。結果顯示，GPT-4在敏感性和特異性上表現良好，顯示其在系統性回顧中的應用潛力。未來研究可考慮將此方法擴展至其他領域，以評估其更廣泛的有效性。 PubMed DOI

Automated information extraction model enhancing traditional Chinese medicine RCT evidence extraction (Evi-BERT): algorithm development and validation.
增強傳統中醫隨機對照試驗證據提取的自動化信息提取模型 (Evi-BERT)：算法開發與驗證。 Front Artif Intell 2024-08-30

在循證醫學中，隨機對照試驗（RCTs）對臨床指導方針至關重要，但傳統的手動數據提取效率低。為了解決這個問題，我們開發了一個針對傳統中醫（TCM）RCT的自動化信息提取模型，使用Evi-BERT結合規則提取技術，從48,523篇研究中提取數據。我們的模型顯著提高了數據的可搜索性和提取效率，並保持高準確性，幫助醫師節省文獻審查時間，加速臨床試驗證據的識別，最終促進精確的臨床指導方針制定。 PubMed DOI

原始文章

站上相關主題文章列表