研究比較了美國醫學機構提供的肥胖手術患者教育資料（PEMs）和大型語言模型（LLMs）如GPT-3.5、GPT-4和Bard所生成的回應的易讀性。研究發現，兩者的初始回應都很難閱讀，但在提示簡化後，LLMs的易讀性顯著提高，其中GPT-4產生了最易讀的回應。該研究建議LLMs可以提高PEMs的易讀性，尤其是GPT-4，並呼籲進一步研究如何使用LLMs為各種識字水平的患者提供個性化的PEMs。 PubMed DOI

研究比較四個大型語言模型在簡化放射學報告以提高患者閱讀易懂性的表現。結果顯示，所有模型都成功簡化報告，但在提供背景資料後效果更好。這顯示這些模型在幫助患者理解放射學報告方面有潛力。 PubMed DOI

這項研究探討利用大型語言模型來替換複雜術語以簡化生物醫學文本，以提升患者的理解能力。研究測試了三個模型在1,000個生物醫學定義上的效果，顯示了閱讀性的提升和句子複雜度的降低。其中，GPT-J-6b模型表現最佳。這種方法有助於讓複雜的醫學資訊更容易被大眾理解。 PubMed DOI

大型語言模型（LLMs）透過龐大文本數據訓練，可在醫療保健領域提升準確性。研究者正致力改善LLM在消化系疾病上的表現，但準確性範圍仍有挑戰。整合檢索增強生成（RAG）、監督微調（SFT）和人類反饋的強化學習（RLHF）等方法，是克服障礙的關鍵。結合人類反饋與先進模型訓練，對於提升LLMs在醫療保健中的效能至關重要。 PubMed DOI

研究發現使用大型語言模型（LLMs）可以提升美國FDA發布的藥物安全通訊易讀性，讓患者更容易理解。透過ChatGPT 4.0©和Gemini©等LLMs，將閱讀難度下降至六年級水準，保持準確性和重要訊息。顯示LLMs有助於簡化健康資訊，但仍需進一步研究應用在不同語言和真實情境中的患者。 PubMed DOI

在醫療領域，簡化資訊很重要。我們評估了ChatGPT在簡化文字和音訊方面的表現，並比較了人類和ChatGPT簡化後的文字。我們的線上編輯器提供這些簡化工具。分析了十二個語料庫後，發現ChatGPT的簡化與人類簡化的文字相當吻合。一位醫學專家偏好ChatGPT的風格，但認為內容保留較少。 PubMed DOI

這項研究評估了大型語言模型（LLMs）驅動的聊天機器人，如ChatGPT 3.5、CoPilot和Gemini，在提供前列腺癌資訊的有效性，並與官方病人指南進行比較。研究使用25個專家驗證的問題，根據準確性、及時性、完整性和可理解性進行評估。結果顯示，ChatGPT 3.5的表現優於其他模型，證明其為可靠的資訊來源。研究強調在健康領域持續創新AI應用的重要性，並建議未來探討AI回應中的潛在偏見及其對病人結果的影響。 PubMed DOI

這項研究探討如何利用人工智慧驅動的大型語言模型（LLM）來提升病人手冊的可讀性。研究分析了五份來自美國鼻科學會和面部整形外科醫學會的手冊，發現原始版本難以閱讀，對應高中和大學水平。經過ChatGPT-4的修訂後，手冊的可讀性提升至接近七年級。結果顯示，LLM修訂的手冊在可讀性指標上明顯優於原版，且可理解性評分也較高。這表明AI工具能有效改善病人教育材料，使其更易於理解，對醫療教育資源的優化有正面影響。 PubMed DOI

近年來，大型語言模型（LLMs）已被應用於醫療領域，特別是在前列腺癌的病患溝通上。我們的研究評估了三種LLM的效果，包括ChatGPT（3.5）、Gemini（Pro）和Co-Pilot（免費版），並與官方的羅馬尼亞前列腺癌病患指南進行比較。透過隨機和盲測，八位醫療專業人員根據準確性、及時性、全面性和使用友好性進行評估。結果顯示，LLM，尤其是ChatGPT，通常提供比指南更準確且友好的資訊，顯示出其在改善醫療溝通上的潛力。不過，不同模型的表現差異也顯示出需要量身定制的實施策略。 PubMed DOI

這篇論文探討流行病學和臨床癌症登記在改善腫瘤醫療及研究中的重要性，特別是在癌症影響日益擴大的情況下。文中指出醫療數據的多樣性帶來挑戰，使得腫瘤手動記錄變得困難。研究提出利用大型語言模型（LLMs）將非結構化醫療報告轉換為德國基本腫瘤數據集所需的結構化格式。結果顯示，將LLMs整合進醫院數據管理或癌症登記系統，能顯著提升癌症數據的質量與完整性，對於有效的診斷、治療及療效評估至關重要。這項研究為人工智慧在醫療數據處理及癌症護理中的潛力提供了新的見解。 PubMed DOI