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

研究目的是找出大型語言模型（LLMs）在醫學教育中成功發展的關鍵。透過文獻回顧和LLM使用者意見，確定了可信度、負責任性、公平性和可用性等重要因素。使用AHP、TISM和MICMAC等分析方法探討這些因素之間的關係。提出了CUC-FATE框架，用於評估醫學教育中的LLMs。研究結果對醫護人員、技術專家、監管機構和政策制定者有啟發意義。 PubMed DOI

大型語言模型（LLMs）有潛力幫助醫生診斷和改善與患者溝通，提升醫療品質。然而，數據隱私、數位素養不足及整合到臨床工作流程的挑戰限制了應用。為了充分發揮潛力，必須培訓醫護人員使用LLMs，並促進跨學科研究，將人工智慧轉化為智慧增強。 PubMed DOI

這項研究探討年長者對大型語言模型（LLMs）的接受度，並運用技術接受模型（TAM）進行分析。透過橫斷面調查，研究發現感知易用性和感知有用性會影響年長者使用這些技術的意圖。結果顯示，主觀規範、形象、工作相關性、輸出品質、結果可展示性等因素能顯著提升感知有用性。此外，感知易用性和感知有用性對使用LLMs的意圖有正面影響。研究建議開發者和政策制定者應設計適合年長者的聊天機器人，以便更好地融入他們的生活。 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

這項研究透過電話訪談，調查印度醫學生對大型語言模型（LLMs）在醫學教育中的看法。25名學生的回應經過分析後，整理出三個主要主題：使用情境、增強學習和LLMs的限制。學生們表示，LLMs幫助他們澄清複雜主題、尋找客製化答案、解決選擇題、創建簡化筆記及簡化作業。他們欣賞這些工具的易用性和省時優勢，但也擔心不準確性、可靠性和隱私問題。學生強調需要培訓，以有效整合LLMs進醫學教育。總體而言，LLMs有潛力提升醫學教育，但需解決挑戰以發揮其優勢。 PubMed DOI

這項研究調查了中國醫學生對AI聊天機器人的使用情況及看法，採用統一技術接受與使用理論（UTAUT）進行分析。全國性調查中，共有693名來自57所大學的學生參與。結果顯示，僅28.72%的學生使用AI聊天機器人學習，最受歡迎的是ChatGPT，主要用於快速獲取醫學資訊和提升學習效率。影響使用意圖的因素包括社會影響、感知風險等。儘管學生對AI聊天機器人持正面看法，但意圖與實際使用之間存在差距，顯示需改善醫學教育中AI技術的可及性與支持。 PubMed DOI

這項研究探討中國醫學生對大型語言模型（LLMs）的接受度，並以技術接受模型（TAM）為框架。調查結果顯示，學生普遍願意將LLMs融入學習中。主要發現指出，學生的態度顯著影響他們使用LLMs的意圖，並在感知有用性、易用性和感知風險之間起到中介作用。此外，感知風險和社會影響也直接影響行為意圖。研究強調TAM在理解醫學教育中LLMs接受度的重要性，並指出將LLMs整合進學生學習經驗的必要性。 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