使用ChatGPT在華語門診中撰寫臨床信件，能提升患者滿意度。雖然在中文醫師考試中表現優異，但仍需進一步優化、訓練、測試，確保隱私合規、系統整合、用戶友善界面和專業指引。在廣泛應用前，需進行控制性試驗和監管批准。 PubMed DOI

研究發現ChatGPT在理解中文醫學知識上表現良好，對醫學發展有潛力。測試顯示在中英文醫學數據集上，ChatGPT在準確性、口語流暢度和幻覺減少方面表現優異。GPT-4比GPT-3.5更出色，尤其在出院摘要邏輯和團體學習方面，符合中國臨床醫學研究生課程標準。儘管挑戰重重，ChatGPT有望推動醫學人工智慧的發展。 PubMed DOI

LLMs在從公開來源中提取數據很有用，但在臨床設置中的效果尚不明確。這項研究比較了使用「Versa Chat」（OpenAI gpt-35-turbo LLM的實現）與手動病歷審查在肝癌影像報告中提取數據的準確性。研究涉及182份腹部影像報告，評估其性能包括準確性、精確性、召回率和F1分數。 PubMed DOI

在醫學領域，機器學習的應用受到開發者和實踐者之間的知識鴻溝影響。研究人員利用ChatGPT ADA來彌合這個鴻溝，提升機器學習在臨床數據分析中的效率。ChatGPT ADA的先進模型可預測臨床結果，且表現令人鼓舞，相較於手工製作的模型。ChatGPT ADA有潛力推動機器學習在醫學領域的民主化，但應視為專業培訓和資源的補充，而非取代。 PubMed DOI

研究指出，使用ChatGPT聊天機器人在電子病患報告（ePRO）數據收集上表現優異，能提供準確對話和數據提取。醫生認為Chat-ePRO能理解問題並給予一致回應，相較於傳統系統，Chat-ePRO回應率高且互動時間長。研究顯示在ePRO系統中應用LLM算法可行，Chat-ePRO有助提升患者遵從性。 PubMed DOI

在奇美醫療中心的研究中，「A+ Nurse」這個基於ChatGPT的工具成功應用於護理文書，將每位病人的文書時間從15分鐘縮短到5分鐘，且保持高品質的記錄。護理人員覺得這個工具直觀且有效，顯示出人工智慧在提升醫療流程效率上的潛力。這項整合成為了人工智慧改善病人照護的良好範例，為未來醫療創新鋪路。 PubMed DOI

這項研究針對將非結構化醫療文本轉換為結構化格式的挑戰，提出了一個自動化的本地流程，確保使用開源大型語言模型（LLMs）時能維護數據隱私。研究針對包含敏感健康資訊的德語醫療文件進行測試，結果顯示在800份非結構化醫療報告中，數據提取的準確率高達90%，表現優於醫生和醫學生的手動提取。這顯示該流程能有效提升數據可用性，同時保障隱私。 PubMed DOI

這項初步研究探討了大型語言模型（LLM），特別是LLaMA3，如何從三級醫院的出院摘要中提取中風審核數據。研究分析了一個月內的中風住院病人出院摘要，成功提取144個數據點，LLM的準確率高達93.8%（135個正確）。結果顯示，LLM能有效提升中風審核數據的收集效率，並建議進一步研究以優化LLM與醫療專業人員的合作。 PubMed DOI

這項研究利用大型語言模型（LLMs），如GPT-4-turbo和Claude-3-Opus，開發自動化數據提取流程，針對持續系統性回顧（LSRs）。研究分析了10個臨床試驗的數據，專注於23個關鍵變數。結果顯示，在提示開發集中，96%的回應一致，準確率高達0.99；測試集中則為87%，準確率0.94。對於不一致的回應，GPT-4-turbo和Claude-3-Opus的準確率分別為0.41和0.50，經交叉評析後，51%的回應變得一致，準確率提升至0.76。研究顯示，LLMs能有效提取數據，並透過交叉評析提高準確性。 PubMed DOI

這篇手稿探討了人工智慧（AI）在電子健康紀錄（EHRs）實施科學中的創新應用。由15位專家組成的小組討論了EHRs如何協助實施策略與結果，並利用ChatGPT整理討論筆記，形成初步手稿，後續由參與者修訂。小組指出EHRs能支持的具體策略與指標，並強調需隨技術進步調整實施科學。雖然ChatGPT的摘要提供了概覽，但缺乏深度，需大量編輯以符合文獻。研究顯示EHRs在實施科學中的潛力，並強調對資訊學與實施專業知識的需求，顯示人類監督的重要性。 PubMed DOI