這篇回顧探討「醫療沙漠」的問題，並分析人工智慧（AI）如何改善這些地區的醫療可及性與品質。重點包括： 1. **AI遠距醫療**：克服語言和文化障礙，提升醫療服務可及性。 2. **診斷輔助**：在專家不足時，LLMs可提供診斷支持，改善病患治療結果。 3. **AI聊天機器人**：提供初步醫療建議，成為偏遠地區病患的聯絡點。 4. **醫療教育**：增強資源不足地區醫療工作者的培訓。 5. **數據分析**：有效分配資源，識別醫療服務缺口。 總結指出，AI在縮小醫療差距上具潛力，但需持續研究與發展。 PubMed DOI

大型語言模型（LLMs）在心理健康護理中有潛力，能透過臨床筆記和轉錄來改善診斷和治療。不過，技術成本、識字差距和數據偏見等挑戰需解決。文章建議採用社會文化技術方法，重點在五個領域：建立全球臨床資料庫、制定倫理指導方針、精煉診斷類別、納入文化考量及促進數位包容性。作者強調開發具代表性的數據集和可解釋的臨床決策支持系統的重要性，並強調各方合作以確保公平的臨床部署。 PubMed DOI

大型語言模型（LLMs）在臨床實踐中有潛力提升病人教育與賦權，提供更個人化的醫療服務。然而，目前對其在病人照護中的應用資訊仍不夠完整。本系統性回顧分析了2022至2023年間的89項相關研究，主要集中於GPT-3.5和GPT-4，應用於回答醫療問題、生成病人資訊等。研究指出設計和輸出方面的限制，包括缺乏針對醫療的優化及數據透明度等問題。此回顧為LLMs在醫療環境中的應用與評估提供了基礎框架。 PubMed DOI

大型語言模型（LLMs）在人工智慧領域是一大突破，能改變醫療溝通、研究和決策。它們能快速分享健康資訊，打破語言障礙，但整合進醫療系統時也面臨挑戰，如數據偏見、隱私問題及數位素養差異。儘管如此，LLMs的分析能力可支持基於證據的醫療政策。為了發揮其潛力，需制定倫理指導方針、減少偏見策略，並確保全球醫療資源的公平獲取。妥善解決這些挑戰，LLMs有望改善全球健康結果，促進健康公平。 PubMed DOI

這項研究回顧了大型語言模型（LLMs）在生成病人教育材料（PEMs）的應用。研究人員根據JBI指導方針，從五個資料庫中篩選出69項相關研究，並提取了21個變數，分為五個主題。主要發現包括：美國的研究最多，最常用的LLM是ChatGPT-4、3.5和Bard，大多數研究集中在評估生成回應的準確性和可讀性，只有三項研究使用外部知識庫，且大部分提示為英語。總體而言，這項回顧顯示LLMs在創建有效病人教育材料方面的潛力，並指出評估框架和多語言應用的不足。 PubMed DOI

慢性病是全球主要死因，LLMs（像ChatGPT）在管理慢性病上有潛力，能提供準確、易懂的健康建議，幫助病人自我管理和獲得支持。專業型LLMs表現更好，但目前證據有限，還有隱私、語言和診斷等挑戰。臨床應用還在初期，未來需加強資料安全、專業化和與穿戴裝置整合。 PubMed DOI

這篇回顧整理了大型語言模型在心理健康領域的應用現況，發現LLMs主要用於心理疾病篩檢、治療支援和心理健康諮詢，特別聚焦在憂鬱症偵測和自殺風險預測。整體來說，LLMs在資訊分析和回應生成上表現優於傳統方法，但不同模型各有優缺點。未來應持續技術發展並重視倫理議題。 PubMed DOI

研究人員用坦尚尼亞HIV診所的資料微調大型語言模型（LLM），來預測哪些病人可能會中斷治療或不遵從醫囑。這個模型比傳統方法更準確，能找出多數高風險病人，還能給出有用的解釋。臨床醫師大多認同模型的判斷。若實際應用，有助於精準介入、提升病人留診率，推動全球HIV治療目標。 PubMed DOI

這篇研究發現，大型語言模型（LLMs）能自動化文獻篩選和資訊擷取，顯著提升數位健康科技（DHTs）相關隨機對照試驗（RCTs）文獻回顧的效率。不過，DHT在實際醫療應用上還有待克服一些挑戰。 PubMed

這篇綜述分析270篇文獻，發現現有大型語言模型（如GPT-4）雖然能協助醫師處理多種臨床任務，但沒有單一模型能全面勝任所有需求，專業任務還需客製化。多數先進模型又是封閉原始碼，造成透明度和隱私疑慮。作者建議建立簡單易懂的線上指引，幫助醫師選擇合適的LLM。 PubMed DOI