人工智慧快速進步，如GPT-4和Bard等大型語言模型開發，可在醫療保健領域應用。需謹慎操作，確保安全、道德和病人隱私。監管機構應監督，促使專業人員和病人安全、道德使用。GPT-4提供了分析圖像中文本等功能。本文提出監管機構建議，確保醫療人工智慧技術合法運用。 PubMed DOI

生成式人工智慧和大型語言模型像ChatGPT有潛力改變醫療數據管理。研究指出整合這些技術到醫療實務需協作，強調強化學習和人類反饋。雖然面臨道德挑戰，但大型語言模型可改善醫療決策。持續創新在數據處理、模型優化和實施策略至關重要，組織應負責任地應用這些技術以提升醫療品質、安全和效率。 PubMed DOI

生成式人工智慧（GAI）和大型語言模型（LLM）已廣泛應用於各個領域，包括醫療保健。GAI在蛋白質結構和藥物發現等任務中有潛力，LLM則在醫療保健領域有多樣應用。區分通用LLM和專為醫療保健設計的模型至關重要，考量到這個領域的廣泛應用和相關出版物。 PubMed DOI

生成式人工智慧根據訓練數據創建新內容，被應用於各個領域，包括醫療保健。在這個情境下，使用電子病歷訓練的生成式人工智慧模型正在被開發。一篇評論討論了這些模型、它們的優缺點，並受此啟發，提出了一份針對這些模型的評估檢查表。 PubMed DOI

生成式人工智慧（GAI）正在改變醫療保健，透過提供解決複雜問題的方案，並透過新的數據和洞察力來改善診斷、治療和照護。研究指出，GAI在醫療保健領域有許多應用，例如提供健康資訊和診斷疾病。然而，整合GAI也面臨一些挑戰，需要克服限制，才能充分發揮其潛力並革新醫療保健。 PubMed DOI

GenAI LLMs，如ChatGPT，有潛力在醫療保健領域帶來重大影響。研究指出，這些技術可改善醫療服務效率，但也需面對道德及安全挑戰。未來應該加強研究，專注於實證或臨床領域，以推動這些技術在醫療保健中的應用。 PubMed DOI

在過去一年，人工智慧（AI）在醫療保健領域的快速進展，開始顯著改善品質與安全問題。雖然我們仍在轉型初期，但AI的能力已經有了根本性的變化。與以往專注於單一任務的AI不同，現在的基礎模型和大型語言模型能夠處理多種問題，無需額外數據或重新訓練。這篇回顧將介紹基礎模型的原則、優缺點及其對醫療品質和病人安全的影響，同時也提醒我們注意新技術帶來的複雜性與風險。理解這些影響對於充分發揮AI的潛力至關重要。 PubMed DOI

這項研究系統性回顧了生成性大型語言模型（LLMs）在臨床環境，特別是電子健康紀錄（EHRs）的應用。儘管自然語言處理技術進步，LLMs在臨床實踐中的整合仍有限，面臨多重挑戰。研究分析了自2023年以來的76篇相關文獻，發現包括提示工程的使用、少數多模態數據的應用、評估指標的多樣性，以及臨床決策中的偏見和幻覺等問題。未來需改進計算技術和標準化評估，以提升LLMs在醫療中的可靠性。總之，LLMs在病人護理上有潛力，但仍需克服重大障礙。 PubMed DOI

隨著醫療保健對先進分析的需求增加，合成健康數據的使用變得愈加重要，尤其是在獲取真實健康數據的挑戰下。大型語言模型（LLMs）的進展為生成合成健康數據提供了新機會，但也帶來潛在風險。本文綜述了合成健康數據生成（SHDG）及LLM的研究，探討生成對抗網絡等機器學習模型的現狀與局限性。SHDG面臨的挑戰包括評估指標、數據效率、健康公平等，雖然LLMs在某些方面顯示潛力，但深入研究其優缺點仍然至關重要。 PubMed DOI

在 HTAi 2023 年年會中，有一場特別的「魚缸」會議，專注於健康技術評估（HTA）如何整合生成預訓練變壓器（GPT）大型語言模型（LLMs）於醫療領域。會議分為內圈和外圈，內圈討論問題，外圈則聆聽。參與者提出約六十個回應，探討 GPT LLMs 在醫療中的應用，包括提升運營效率、增強術語、推進教育、檢測偏見等。這種互動形式促進了即時討論，為 HTA 社群帶來新見解，並推動 HTA 和證據框架的發展。 PubMed DOI