大型語言模型如ChatGPT在生物醫學和健康領域有應用潛力，包括資訊檢索、問答、文摘、信息提取和教育。進展明顯，但仍有限。語言模型或許可加速醫療發現和改善健康，但需解決虛假資訊和隱私問題。調查旨在提供機會和挑戰概述，協助了解語言模型在生物醫學和健康領域的應用。 PubMed DOI

大型語言模型如ChatGPT在生物醫學和健康領域有潛力，可應用於信息檢索、問答和文本摘要。儘管在文本生成上進展明顯，其他領域仍有挑戰。LLM對改變生物醫學有潛力，但需處理虛假資訊和隱私風險。調查提供研究人員和醫療專業人員使用ChatGPT等模型轉變生物醫學和健康領域的見解。 PubMed DOI

研究評估了大型語言模型在醫療保健領域的應用，尤其是在改善患者護理方面。使用MIMIC-III數據庫的電子健康記錄，測試了這些模型在識別特定疾病患者方面的效能。GPT-4在辨識COPD、CKD、PBC和Cancer Cachexia患者方面表現優異，而ChatGPT和LLaMA3則稍遜。儘管LLMs有潛力，但在臨床應用前仍需解決錯誤、解釋不足和倫理問題。進一步研究將有助於提升模型訓練和設計，以更好地應用於醫療保健。 PubMed DOI

大型語言模型（LLMs），像是OpenAI的ChatGPT，雖然能生成類似人類的文本，但在網路使用時會有數據隱私的風險，因為用戶資料會傳送到外部伺服器。為了解決這個問題，我們探討在安全的本地網路中使用開源的小型LLMs，特別是在需要保護數據的監管機構中。我們發現某些模型在少量或零樣本學習中表現不錯，甚至達到傳統神經網路的效果，顯示出在安全環境中使用開源LLMs的潛力。 PubMed DOI

這項研究評估了ChatGPT-4在社區藥局的表現，包括藥物資訊檢索、標籤錯誤識別、處方解讀及決策支持等。結果顯示，ChatGPT對藥物查詢的回應相當滿意，能引用正確的藥物數據，並成功識別標籤錯誤。在臨床情境中，其建議與藥師相當，特別是在藥物反應評估和健康建議方面。研究指出，ChatGPT可能成為社區藥局的有用工具，但仍需進一步驗證其在不同查詢和病人群體中的有效性及隱私問題。 PubMed DOI

這項研究評估了三種大型語言模型（LLMs）—GPT-3.5、GPT-4和Chatsonic—在北美藥師執照考試（NAPLEX）練習題上的表現。結果顯示，GPT-4的準確率最高，McGraw Hill題組達87%，RxPrep題組達83.5%。相比之下，GPT-3.5和Chatsonic的表現較差，尤其在選擇所有正確答案的問題上。GPT-4在不良藥物反應（ADR）問題上表現特別優異，顯示其在藥學教育中的潛在應用價值。 PubMed DOI

這篇評論探討大型語言模型（LLMs），如ChatGPT、GPT-3.5和GPT-4在醫療領域的應用潛力，強調謹慎實施和專業支持的重要性。它們可協助醫學教育、研究、臨床實踐及護理，例如設計課程、提供個性化學習、協助科學寫作和數據分析、增強醫學影像及決策能力，還能改善病患溝通和護理效率。儘管LLMs展現潛力，但仍需解決倫理、同理心缺乏及偏見等挑戰，未來研究應針對這些問題，以確保其在醫學中的有效與合乎倫理使用。 PubMed DOI

這項評估針對五種大型語言模型（LLMs）在重症護理藥物治療問題上的表現進行測試，結果顯示ChatGPT-4的準確性最高，達71.6%。LLMs在知識回憶問題上表現較好，但在知識應用問題上則不及藥學博士學生（學生準確性81%）。使用思考鏈提示可提升ChatGPT-4的準確性至77.4%。這顯示LLMs在特定領域仍需進一步訓練，以改善其應用能力，對於全面藥物管理的使用應謹慎。 PubMed DOI

這項研究評估了OpenAI的ChatGPT-3.5和GPT-4在台灣國家藥師執照考試的表現。結果顯示，GPT-4的準確率為72.9%，明顯優於GPT-3.5的59.1%。在基礎科目中，GPT-4得分更高，顯示其在臨床藥學和教育上的潛力。不過，研究也提醒使用者需謹慎，因為模型仍有局限性。未來應著重改進模型的穩定性和問題設計，以更有效評估學生能力。 PubMed DOI

這項研究強調藥物毒性評估對確保藥物安全性和有效性的重要性。研究比較了GPT-4和GPT-4o在預測分子毒性方面的表現，與傳統的深度學習和機器學習模型，如WeaveGNN等，特別針對骨骼、神經和生殖毒性。結果顯示，GPT-4在某些方面表現不相上下。 此外，研究還利用GPT-4結合分子對接技術，探討中藥材對心臟毒性的影響，發現黑芝麻、生薑和薑黃等成分對心臟靶點Cav1.2有顯著結合親和力，可能具心臟毒性。 總體而言，這項研究展示了ChatGPT在藥物化學中的潛力，並使開發高準確度模型變得更容易。 PubMed DOI