康復對改善殘障或受傷者的福祉至關重要，但過程複雜。大型語言模型（LLMs）透過分析數據和改善溝通，協助康復。LLMs可應對醫療領域的數據偏見和道德問題。在康復中使用LLMs需與專家合作，提升決策能力和預測結果。儘管挑戰重重，但在道德和協作情況下，LLMs在康復領域取得重大進展。 PubMed DOI

這份研究探討了大型語言模型（LLMs）和生成式人工智慧（AI）在遠距醫療中的應用，並強調了AI倫理的重要性。雖然LLMs有潛力，但透明度、可解釋性、人權和爭議性等議題仍需更多研究。該研究提供了對LLMs在遠距醫療中應用的見解，並提出了未來研究方向，以推動負責任的AI使用。 PubMed DOI

近期LLMs如ChatGPT在醫療保健領域受歡迎，但也帶來安全和倫理風險。為因應此挑戰，提出新方法評估LLMs在臨床護理中的可行性，強調安全、個人化護理和倫理。透過跨學科知識整合和文獻回顧，確定關鍵評估領域。由專家進行同行評審，確保科學嚴謹。在臨床腫瘤護理中評估九種LLMs後，有些被推薦使用，有些謹慎使用或不可使用。推薦使用特定領域的LLMs可支持醫療專業人員的決策。 PubMed DOI

研究探討了如何運用大型語言模型（LLMs）在失語症研究中的應用。研究人員分析LLMs的語言指標，以改善失語症的診斷和評估。研究結果顯示，LLMs能有效檢測失語症、提高亞型分類的準確性，並捕捉語法缺陷。整合LLMs到自然語言處理流程中，有助於增強對失語症等語言障礙的模型。 PubMed DOI

這篇回顧探討大型語言模型（LLMs），特別是生成預訓練變壓器4，如何促進醫療器材的創新。LLMs能在生物設計過程中提供重要見解，協助識別問題、吸收知識和做出決策。它們的應用包括智慧財產分析、法規評估和市場分析。透過案例，我們強調LLMs讓資訊獲取更民主化，推動包容性創新，並為創新者提供即時、個性化的反饋，降低進入門檻，加速進展，促進各方合作。 PubMed DOI

這篇論文探討大型語言模型（LLMs），如ChatGPT，在癡呆症護理和研究中的應用潛力。文章介紹了LLMs的特性、能力與限制，並討論其在護理中的實際考量，例如透過手機應用程式使用。LLMs可增進對癡呆症的理解、診斷和治療，透過有意義的對話和個性化支持來改善病人護理。 LLMs的好處包括提升社交互動、改善認知功能和情緒福祉，並減輕照護者負擔。不過，部署LLMs也引發隱私和倫理等問題。問卷調查顯示，癡呆症患者及支持者對使用LLMs的看法普遍正面，但仍擔心偏見和數據隱私。總體而言，這篇評論強調了LLMs在癡呆症護理中的潛力，並呼籲進一步研究。 PubMed DOI

生成式人工智慧（AI），特別是大型語言模型（LLMs），在多發性硬化症（MS）管理上展現出重要潛力。近期的進展顯示，LLMs能生成和理解類似人類的文本，能在多發性硬化症護理中發揮作用。雖然AI在影像學和疾病分類的應用受到關注，但LLMs在多發性硬化症管理的具體應用仍在起步階段。 LLMs可透過臨床決策支持系統協助醫療提供者選擇適當療法，並分析真實世界數據以促進研究。此外，虛擬導師可為醫生和患者提供個性化教育。這篇評論旨在概述LLMs在多發性硬化症管理的應用，並探討未來研究及監管挑戰。 PubMed DOI

這篇文章分析了Apple App Store和Google Play的用戶評論，評估五款生成式AI應用程式的可用性，包括ChatGPT、Bing AI、Microsoft Copilot、Gemini AI和Da Vinci AI。從2024年1月到3月共收集了11,549條評論，並依據ISO 9241標準進行評估。結果顯示，ChatGPT在可用性評分中表現最佳，Android用戶得分0.504，iOS用戶得分0.462，而Gemini AI和Da Vinci AI得分最低。研究還指出了易用性和可靠性問題，並提供改善建議，增進對用戶體驗的理解。 PubMed DOI

這篇評論探討大型語言模型（LLMs）在醫療互動中展現同理心的能力。研究涵蓋2022年12月至2024年2月的12項2023年發表的研究，主要評估ChatGPT-3.5及其他模型如GPT-4和LLaMA。結果顯示，LLMs能識別情緒並提供情感支持，甚至在某些情況下表現超過人類。舉例來說，ChatGPT-3.5在回答病患社交媒體問題時，有78.6%的案例被偏好。然而，研究也指出語言重複和主觀評估偏見等限制。總體而言，LLMs在同理心方面有潛力，但仍需改進性能和評估方法。 PubMed DOI

大型語言模型（LLMs）在學術研究中有助於提升效率，特別是在系統性回顧方面。本研究比較了兩種基於LLM的系統性回顧方法：完全自動化（LLM-FA）和半自動化（LLM-SA）。結果顯示，LLM-FA的效果有限，僅識別出32.7%至6.1%的相關論文；而LLM-SA則表現更佳，成功納入82.7%的相關論文，並有效排除92.2%的不相關論文。這顯示LLMs雖無法獨立完成任務，但可作為提升論文選擇效率的輔助工具。 PubMed DOI