近年來，像ChatGPT這樣的先進大型語言模型崛起，推動人工智慧創新快速發展。這些模型能產生高品質文字回應，不需龐大訓練數據。在醫學領域，它們有潛力改善臨床工作流程、病人結果、醫學教育和研究。這篇評論專注於向胃腸科醫師解釋大型語言模型，討論其優勢、限制、安全互動方式、在胃腸學中的應用及實施挑戰。目標是協助胃腸科醫師更深入了解大型語言模型，並更積極運用此技術。 PubMed DOI

研究探討大型語言模型在醫學上的應用，分析了550篇相關研究。LLMs已經在醫學診斷、寫作、教育和管理方面帶來改善。它們有助於起草文件、培訓和研究。挑戰在於上下文和過度依賴。研究強調了與驗證、倫理和傳統實踐的整合。未來研究應該探索多模式LLMs、算法理解和負責任使用。 PubMed DOI

使用大型語言模型如OpenAI的ChatGPT提供胃腸肝臟疾病醫療建議的趨勢增加，但目前準確性仍有疑慮。研究指出，這些模型在胃腸肝臟疾病領域的回應準確率偏低，可能帶來安全風險，因為提供錯誤資訊可能對醫療系統造成負擔或延誤治療。 PubMed DOI

這項研究旨在提升從臨床筆記中提取與炎症性腸病（IBD）相關的病人報告結果（PROs），比較傳統自然語言處理（tNLP）和大型語言模型（LLMs）的效果。研究針對腹痛、腹瀉和糞便出血進行標註，並開發模型提取資訊。結果顯示，GPT-4在準確率上優於tNLP，尤其在外部驗證中表現穩定。研究強調LLMs在不同機構間的泛化能力，建議更廣泛應用這些工具以改善IBD的研究與病人護理。 PubMed DOI

大型語言模型（LLMs）在醫療領域，特別是腸胃病學中，正發揮重要作用，改善資訊獲取、診斷及個性化治療。它們能有效解讀醫學文獻，提供即時知識，並支持醫學教育。儘管潛力巨大，LLMs 在臨床實踐中的整合仍需進一步研究與監管。最近的研究顯示，LLMs 在結腸鏡檢查及癌症篩檢等方面表現良好，但仍面臨數據完整性、準確性等挑戰。成功整合需針對特定情境進行調整，並遵循指導方針。 PubMed DOI

這篇系統性回顧探討大型語言模型（LLMs）在胃腸科及內視鏡的應用，強調其在提升診斷準確性、自動化文檔處理及改善專家教育和病人參與方面的潛力。回顧分析了21篇來自MEDLINE、Embase和Cochrane Central的研究，結果顯示5篇偏倚風險低，16篇中等風險。LLMs能有效傳播醫療資訊、協助諮詢及生成手術報告，但仍面臨數據隱私、準確性及跨學科合作等挑戰，需重視解決這些問題，以發揮其在胃腸內視鏡實務中的潛力。 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

這項研究探討了兩種大型語言模型（LLMs）在胃腸科臨床實踐中的應用，分別是自訂的GPT模型和傳統的GPT-4o。研究發現，自訂模型在15個臨床問題中正確回答了8個，而研究員則回答了10個。傳統的GPT-4o表現最佳，正確率達14/15。雖然兩種模型的表現略低於專家醫生，但顯示出在病人諮詢等專業任務中的潛力。研究強調了RAG技術的重要性及臨床醫師監督的必要性。 PubMed DOI

這項研究探討如何從電子健康紀錄中提取與炎症性腸病（IBD）相關的病人報告結果（PROs），比較了傳統自然語言處理（tNLP）和大型語言模型（LLMs）如GPT-4的表現。研究發現，GPT-4在提取腹痛、腹瀉和糞便血的準確率上均優於tNLP，特別是在外部驗證中保持高準確率。這顯示LLMs在IBD研究和病人護理中具有良好的應用潛力，且不受人口統計或診斷偏見影響。 PubMed DOI

大型語言模型（LLMs）在醫療保健，特別是胃腸科，展現出提升臨床決策、研究及病人管理的潛力。為了安全有效地應用這些模型，必須解決偏見、幻覺及法規遵循等挑戰。本文提出一個結構化框架，針對C型肝炎治療進行案例研究，涵蓋臨床目標定義、多學科團隊組建、數據準備、模型選擇與微調等步驟。此外，還強調遵循HIPAA和GDPR等法規，以確保負責任的AI應用。未來研究應聚焦於多機構驗證及AI輔助的臨床試驗。 PubMed DOI