討論了在醫學教育中使用大型語言模型（LLMs）所面臨的道德挑戰，包括對於AI幻覺、隱私風險和透明度問題的擔憂。建議基於八項原則為醫學教育中的LLMs創建一個特定的道德框架，以確保整合LLMs時能負責任且安全，平衡技術進步與道德考量。 PubMed DOI

大型語言模型如GPT-4、Bard和Claude，透過高效的文本處理能力，改變醫學等領域的學術寫作。雖然這些模型能生成類似人類內容，有助於文獻回顧和假設制定，但人工智慧生成內容的準確性引發道德疑慮。本文討論LLMs對醫學寫作的影響、道德挑戰，以及辨識人工智慧生成文本的方法，同時思考LLMs在學術出版和醫學領域的未來。 PubMed DOI

這項研究探討放射科住院醫師計畫主任對住院醫師申請者使用大型語言模型（如ChatGPT）撰寫個人陳述的看法。八位主任參加了調查和焦點小組討論，評估了五位申請者的四種不同版本的陳述。結果顯示，LLM生成的陳述質量被評為一般或更差的比例達56%，而人類撰寫的則為29%。主任們雖然對區分兩者的能力不自信，但能準確識別人類撰寫的陳述。焦點小組討論中，主任們對AI影響個人陳述的真實性和價值表示擔憂，並指出AI生成內容中申請者的聲音減弱。這項研究突顯了AI在住院醫師申請過程中的挑戰與影響。 PubMed DOI

這項研究探討了生成式人工智慧工具（如ChatGPT和Google BARD）在醫學生撰寫住院醫師申請個人陳述的表現。研究發現，教職員能正確識別88%的真實陳述和90%的BARD生成陳述，但只有44%的ChatGPT陳述被正確辨識。整體準確率為74%。雖然AI能生成有說服力的陳述，但在表現人文和個人化元素上仍有不足。因此，住院醫師選拔委員會應重視這些人性化指標，以提升評估的準確性。 PubMed DOI

這項研究探討生成式人工智慧，特別是ChatGPT，在醫學住院醫師和專科醫師申請中的個人陳述創作應用。研究評估了四份個人陳述，兩份由AI生成，兩份由申請者撰寫，並透過調查了解計畫主任對這些陳述的看法。結果顯示，主任在辨識AI生成的陳述時遇到困難，且AI生成的陳述在可讀性和原創性上表現較佳。不過，主任對申請者使用AI的誠信和工作倫理表示擔憂，建議醫學訓練計畫應明確對AI使用的立場。 PubMed DOI

這篇論文探討大型語言模型（LLMs）對醫學學習者學術寫作的影響。雖然LLMs能提升寫作效率，但可能妨礙學生和住院醫師發展重要的研究與寫作技能。研究分析了多種來源，尋找在醫學教育中整合生成式人工智慧的最佳實踐，並提出檢測學術作品中AI參與的策略，如直接詢問、評估內容一致性等。作者強調導師需負責指導學習者負責任地使用LLMs，確保他們在利用新技術的同時，發展必要的技能，並為教育工作者提供合乎倫理的使用框架。 PubMed DOI

大型語言模型（LLMs）在生成式人工智慧上有重大進展，能根據文本提示產生連貫的語言。在醫學教育中，LLMs展現了提升學習體驗、提供個性化輔導、生成教育內容及模擬病患互動的潛力。不過，隨著技術快速演變，準確性、倫理影響及錯誤資訊的擔憂也隨之而來。隨著LLMs能力的持續提升，其在醫學教育的應用可能會擴大，因此需要不斷評估與調整，以確保其有效且負責任地使用。 PubMed DOI

這項研究探討生成式人工智慧對住院醫師申請的影響，特別是骨科手術的推薦信。研究分析了45封推薦信，發現教職員正確識別人類撰寫的推薦信僅40%，而AI生成的則為63%。隨著時間推移，準確度未見改善。人類撰寫的推薦信在評分上普遍較高，但Google BARD在某些方面表現優於人類。整體而言，這顯示教職員在區分人類與AI生成的推薦信上面臨挑戰，並引發對推薦信在住院醫師申請中角色的重新思考。 PubMed DOI

在醫學教育中整合大型語言模型（LLMs）有其優勢與挑戰。這些AI工具能改善資訊獲取與批判性思考，但也可能導致過度依賴及倫理問題。學生和教師需了解LLMs的限制，維護學術誠信，並負責任地管理數據。教師應重視內容質量，而非僅依賴AI檢測。LLMs應作為輔助資源，強調可及性與公平性。教育機構應制定符合其價值觀的指導方針，以支持負責任的LLM使用，並靈活應對科技進步。 PubMed DOI

這項研究探討大型語言模型（LLMs）在醫學倫理教育中的角色，特別是如何促進未來醫療人員的美德。研究指出，LLMs能有效模擬人類溝通，成為醫學教育的寶貴工具。透過混合方法論，將LLMs視為倫理討論的範例和顧問，並強調將人工智慧倫理納入醫學課程的重要性。研究認為，LLMs可作為「第二最佳」解決方案，增強學習體驗，並促進道德知識的獲取。最終，研究認為像ChatGPT這樣的工具能顯著改善醫學倫理教育環境。 PubMed DOI