使用大型語言模型（LLMs）如GPT系列可提升醫學教育品質，但需注意演算法偏見、抄襲、錯誤資訊等挑戰。整合LLMs需謹慎，以確保教學效果。本文探討LLMs在醫學教育的機會與挑戰，提供未來有效運用人工智慧的建議。 PubMed DOI

研究探討印度大學醫學生對使用ChatGPT和Google Bard等大型語言模型的態度。調查發現，學生對LLMs持正面看法，但實際使用不多。人們擔心過度依賴LLMs可能帶來的準確性問題。需要進一步研究LLMs對教育的全面影響。 PubMed DOI

使用大型語言模型（LLMs）在醫學教育可能有革新效果，解決資訊過載和時間不足等問題。研究指出LLMs對醫學生學習有正面影響，但也提到準確性和倫理挑戰。負責任地應用LLMs可增進學習體驗，但需注意準確性、技能培養和道德標準。持續評估和合作是整合LLMs在醫學教育中的關鍵。 PubMed DOI

大型語言模型（LLMs）透過互動式學習，可改善醫學生的生物信息學教育。提供程式碼範本、解釋編碼元素、幫助解決錯誤，提升教育成果。LLMs在醫學研究中的應用已有案例。但內容可靠性需驗證。結合LLMs與傳統教學，有助醫學生應對生物信息學挑戰。 PubMed DOI

這篇文章探討大型語言模型（LLMs）對醫學教育的影響，指出其潛在好處如提升教學品質、個性化學習及增強臨床技能訓練等。然而，也提到挑戰，包括資訊準確性、過度依賴科技、缺乏情感智慧，以及隱私和數據安全的倫理問題。為了有效整合LLMs，教育者需具備適應性，培養批判性思維，並重視實踐經驗，以培養既懂科技又具職業倫理的醫療專業人員，應對未來挑戰。 PubMed DOI

這項研究評估了安徽醫科大學醫學生對大型語言模型（LLMs），如ChatGPT的理解與使用情況。調查於2023年12月至2024年1月進行，共發放1,774份問卷，回收有效回應1,718份，回應率達96.84%。 主要發現包括：34.5%的學生使用過LLMs，男性、大三學生及公共衛生管理專業的學生對LLMs理解較好。男性和護理專業學生對LLMs的信任較高，且男性與大三學生在輔助學習中使用LLMs更普遍。大多數學生對LLMs持中立態度，只有3%持悲觀看法。研究指出，性別、年級和專業影響醫學生對LLMs的理解與使用，建議將這些模型整合進醫學教育中以提升教學效果。 PubMed DOI

生成式 AI 模型如 ChatGPT 正逐漸融入醫學教育，許多學生利用它來學習和準備考試，包括美國醫學執照考試（USMLE）。根據2023年5月的調查，96% 的醫學生知道 ChatGPT，52% 曾使用過它來完成課業。學生常用它解釋醫學概念、協助診斷及文法檢查。不過，對於不準確性、病人隱私和抄襲的擔憂也浮現，顯示出制定規範以確保道德使用的必要性。了解學生的看法對於建立負責任的使用指導方針至關重要。 PubMed DOI

這篇回顧探討大型語言模型（LLMs）在病人教育和參與中的應用，分析了201項主要來自美國的研究，並提出六個關鍵主題，包括生成病人教育材料、解釋醫療資訊、提供生活方式建議等。研究顯示，LLMs能有效生成易懂的內容，改善病人與醫療提供者的溝通，但也存在可讀性、準確性及偏見等問題。未來需進一步研究以提升LLM的可靠性，並解決其在醫療應用中的倫理挑戰。 PubMed DOI

這項研究探討如何利用大型語言模型（LLMs）生成內容為基礎的反饋，以提升Progress Test Medizin考試的反饋效果，超越單純的數字分數。研究比較了兩個受歡迎的LLM在生成相關見解上的表現，並調查醫療從業人員和教育工作者對LLM能力及其反饋實用性的看法。結果顯示兩者表現相似，其中一個付費的稍優，另一個則免費。參與者認為反饋相關，並願意未來使用LLM。研究結論指出，雖然LLM生成的反饋不完美，但仍可作為傳統數字反饋的有價值補充。 PubMed DOI

**引言** 人工智慧（AI）在醫學領域受到廣泛關注，尤其是大型語言模型（LLMs）如ChatGPT的興起，使其對醫學生更具可及性。本研究探討醫學生如何使用基於LLM的工具及其看法。 **方法** 2024年1月，佛羅里達大學醫學院對醫學生進行調查，評估他們對AI和LLM工具的使用情況及看法。 **結果** 102名受訪者中，69%每月至少使用一次這些工具，77.1%認為信息準確，80%有意在未來繼續使用。對AI有基本了解的學生更可能使用這些工具並進行信息交叉檢查。接觸過AI的學生對臨床決策中信任AI的可能性更高。 **結論** 基於LLM的聊天機器人已成為醫學生學習的重要資源，醫學生普遍對其持正面看法，並希望在課程中納入AI，以準備未來的實踐。 PubMed DOI