Large Language Models in Medicine: The Potentials and Pitfalls : A Narrative Review.
醫學中的大型語言模型：潛力與陷阱：敘事性評論。 Ann Intern Med 2024-02-21

大型語言模型（LLMs）是訓練在大量文本資料上的先進人工智慧模型，目的是模擬人類的表現。在醫療保健領域中，LLMs的應用越來越廣泛，用來回答醫學問題和生成臨床報告等任務。LLM公司與醫療系統的合作將這些模型帶入更貼近真實臨床應用的領域。醫療保健提供者需要了解LLMs的發展、應用以及在醫療環境中可能面臨的挑戰。這篇文章旨在教育醫療專業人士有關醫學中的LLMs，包括了它們在目前景觀中的應用以及未來在醫療領域的改進。 PubMed DOI

Unlocking the potential of advanced large language models in medication review and reconciliation: A proof-of-concept investigation.
釋放先進大型語言模型在藥物審查和調解中的潛力：一項概念驗證研究。 Explor Res Clin Soc Pharm 2024-09-11

這項研究評估了大型語言模型（LLMs）在藥物審查中的表現，特別是劑量錯誤、藥物相互作用及基因組學建議的能力。研究測試了四個LLM，發現ChatGPT在劑量方案上表現良好，但對simvastatin的問題有例外。所有LLM都能識別warfarin的相互作用，但錯過metoprolol和verapamil的相互作用。Claude-Instant在治療監測上提供適當建議，而Gemini在基因組學上表現不錯。研究指出，LLM在藥物審查中有潛力，但整合進醫療系統對病人安全至關重要。 PubMed DOI

Large language model non-compliance with FDA guidance for clinical decision support devices.
大型語言模型不符合 FDA 對臨床決策支持設備的指導。 Res Sq 2024-09-24

這項研究評估了兩個受歡迎的大型語言模型（LLMs）在臨床決策支持（CDS）方面的潛力，類似於美國FDA授權的設備功能。研究發現，這些LLM能在不同情境下生成類似設備的決策支持，甚至在遵循FDA規範的情況下也能做到。這引發了對LLM可能無意中提供未經授權醫療建議的擔憂，強調了在臨床應用中需要謹慎監督和規範的重要性。 PubMed DOI

Patients Facing Large Language Models in Oncology: A Narrative Review.
面對大型語言模型的腫瘤科患者：敘事性回顧。 JCO Clin Cancer Inform 2024-11-08

大型語言模型（LLMs）在腫瘤學的應用正在改變病人照護的方式。它們能提供個性化的癌症資訊、協助診斷、監測治療進展，並促進後續照護。這些模型的潛在好處包括提高資訊可及性、個性化支持及提升醫療效率。然而，使用過程中也需注意數據隱私、偏見及知情同意等倫理問題。此外，法規方面需建立明確的批准流程、責任界定及持續監測機制，以確保安全與有效性。整體而言，LLMs在腫瘤學的整合需謹慎推進。 PubMed DOI

Large language models in patient education: a scoping review of applications in medicine.
大型語言模型在病人教育中的應用：醫學領域的範疇回顧。 Front Med (Lausanne) 2024-11-13

這篇回顧探討大型語言模型（LLMs）在病人教育和參與中的應用，分析了201項主要來自美國的研究，並提出六個關鍵主題，包括生成病人教育材料、解釋醫療資訊、提供生活方式建議等。研究顯示，LLMs能有效生成易懂的內容，改善病人與醫療提供者的溝通，但也存在可讀性、準確性及偏見等問題。未來需進一步研究以提升LLM的可靠性，並解決其在醫療應用中的倫理挑戰。 PubMed DOI

The role of large language models in self-care: a study and benchmark on medicines and supplement guidance accuracy.
大型語言模型在自我照護中的角色：藥物和補充品指導準確性的研究與基準。 Int J Clin Pharm 2024-12-07

最近大型語言模型在醫療和製藥領域的進展顯著。本研究評估了六個主要模型在回答患者自我照護問題的表現，重點在準確性和上下文敏感性。結果顯示，這些模型通常能提供準確的健康資訊，但回應存在變異，有些建議可能不安全。影響答案質量的因素包括語言、問題結構和使用者背景。GPT 4.0 獲得最高分，研究強調需謹慎驗證資訊，以降低錯誤風險，並建立基準以改善人工智慧在自我照護中的應用。 PubMed DOI

Evaluating Large Language Model-Supported Instructions for Medication Use: First Steps Toward a Comprehensive Model.
評估大型語言模型支持的用藥指導：邁向全面模型的第一步。 Mayo Clin Proc Digit Health 2024-12-16

這項研究評估大型語言模型（LLMs）在改善電子處方流程中的有效性，特別是針對用藥指示的清晰度和個人化。研究人員根據巴西的電子處方標準，開發了以病人為中心的指導方針，並測試了三種不同的提示。結果顯示，第三個提示顯著提升了輸出的適切性，達到94.3%的可接受性，且個人化評價也相當高。雖然封閉源LLM在前兩個提示中出現性別偏見，但第三個提示成功消除了這種偏見。整體而言，這項研究顯示LLMs在促進醫療溝通方面的潛力。 PubMed DOI

Large Language Models Applied to Healthcare Tasks May Improve Clinical Efficiency, Value of Care Rendered, Research, and Medical Education.
大型語言模型應用於醫療任務可能改善臨床效率、提供的護理價值、研究及醫學教育。 Arthroscopy 2024-12-18

大型語言模型（LLMs）是先進的人工智慧系統，能生成多種內容，應用於醫療保健的病人護理、工作流程、溝通等領域。它們能簡化文檔、改善病人溝通及協助診斷。然而，使用 LLMs 也帶來風險，如錯誤可能影響病人結果，特別是偏見和倫理問題。為了應對這些挑戰，針對特定任務設計的定制 LLMs，透過精心策劃的訓練數據來減少偏見，並採用提示工程、檢索增強生成等方法提升效能。 PubMed DOI

Current applications and challenges in large language models for patient care: a systematic review.
大型語言模型在病患照護中的現行應用與挑戰：系統性回顧。 Commun Med (Lond) 2025-01-21

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

A Review of Large Language Models in Medical Education, Clinical Decision Support, and Healthcare Administration.
大型語言模型在醫學教育、臨床決策支持和醫療管理中的綜述。 Healthcare (Basel) 2025-03-28

大型語言模型（LLMs）在醫療保健中展現出顯著潛力，能增強醫學教育、臨床決策支持及醫療管理。文獻回顧顯示，LLMs可作為虛擬病人和個性化導師，並在醫學知識評估中超越初級實習生。在臨床決策中，它們協助診斷和治療建議，但效果因專科而異。此外，LLMs能自動化臨床筆記和報告生成，減輕醫療人員的負擔。然而，仍需解決幻覺、偏見及病人隱私等挑戰。未來的整合需謹慎，並強調倫理與合作。 PubMed DOI

原始文章

站上相關主題文章列表