Evaluating the Accuracy of Responses by Large Language Models for Information on Disease Epidemiology.
評估大型語言模型對疾病流行病學資訊回應的準確性。 Pharmacoepidemiol Drug Saf 2025-02-04

這項研究評估了大型語言模型（LLMs），如ChatGPT-3.5、ChatGPT-4和Google Bard，在提供疾病流行病學數據的準確性。研究設計了21個問題，並將其提交給每個模型兩次。結果顯示，ChatGPT-4的準確率最高，達76.2%，其次是Bard的50.0%和ChatGPT-3.5的45.2%。雖然ChatGPT-4表現較佳，但三者皆存在不準確性和參考文獻問題，限制了它們在醫藥和學術界的實用性。 PubMed DOI

Understanding Citizens' Response to Social Activities on Twitter in US Metropolises During the COVID-19 Recovery Phase Using a Fine-Tuned Large Language Model: Application of AI.
理解美國大都市在 COVID-19 復甦階段對社交活動的公民反應：使用微調的大型語言模型的 AI 應用。 J Med Internet Res 2025-02-11

這項研究調查了美國紐約、洛杉磯和芝加哥居民在 COVID-19 疫情過渡期間的情感變化。研究分析了超過 119,000 條 Twitter 帖子，發現情感水平與確診數有顯著相關，紐約市的相關性最高（0.89），芝加哥中等（0.65），洛杉磯較低（0.39）。隨著疫情減退，與 COVID-19 相關的詞彙逐漸被其他詞彙取代，顯示對限制措施的關注度下降。整體來看，疫情接近尾聲時，對限制措施的負面情感減少，突顯了疫情對城市居民的社會心理影響。 PubMed DOI

Chatting new territory: large language models for infection surveillance from pilot to deployment.
聊天新領域：大型語言模型在感染監測中的應用從試點到部署。 Infect Control Hosp Epidemiol 2025-02-14

Rodriguez-Nava 等人進行了一項概念驗證研究，探討如何利用安全的大型語言模型（LLM）來獲得醫療數據的批准。他們的研究專注於回顧性識別中心靜脈導管相關血流感染（CLABSIs），這是一種特定的醫療相關感染（HAI），並使用真實病人的數據進行監測。研究結果顯示，LLMs 有潛力顯著提升 HAI 監測的效率，並能部分自動化或簡化這個過程。 PubMed DOI

PH-LLM: Public Health Large Language Models for Infoveillance.
公共衛生大型語言模型在資訊監測中的應用。 medRxiv 2025-02-24

公共衛生干預措施如疫苗接種和社交距離的成效，依賴於公眾的支持與遵守。社交媒體成為評估公眾參與的重要工具，但在緊急情況下，缺乏即時監測可能導致反應延遲。為此，我們開發了PH-LLM（公共衛生大型語言模型），專注於即時公共衛生監測，並建立了多語言數據集。PH-LLM在多項任務中表現優於其他模型，顯示其在公共衛生資訊監測上的潛力，能有效增強政策制定與危機應對。此研究部分由NIH贈款支持。 PubMed DOI

Using LLMs to Infer Non-Binary COVID-19 Sentiments of Chinese Microbloggers.
使用 LLM 來推斷中國微博用戶的非二元 COVID-19 情感。 Entropy (Basel) 2025-03-28

在COVID-19危機期間，利用微博進行公共情緒研究非常重要，因為這平台在中國影響深遠。透過分析疫情不同階段的帖子，可以了解情緒如何隨著危機和政府行動變化。使用Llama 3 8B進行情緒分類，將情緒分為正面、負面、諷刺和中立，能更深入理解公共意見。這項研究不僅填補了中國社交媒體情緒分析的空白，還揭示了健康危機期間數位溝通的影響。了解這些動態有助於政策制定者掌握公共情緒對社會反應的影響，並指導未來的溝通策略。你的研究提供了社交媒體、公共情緒與危機管理之間互動的寶貴見解。 PubMed DOI

Mining Social Media Data for Influenza Vaccine Effectiveness Using a Large Language Model and Chain-of-Thought Prompting.
利用大型語言模型和思維鏈提示挖掘社交媒體數據以評估流感疫苗的有效性。 medRxiv 2025-04-08

流感疫苗效果（VE）的估算對公共健康非常重要，能幫助評估疫苗接種的影響並指導政策調整。不過，目前的估算方法面臨人口代表性不足、選擇偏差和報告延遲等挑戰。我們建議結合大型語言模型（LLMs）和少量示例的思考鏈（CoT）提示，分析社交媒體數據以進行即時VE估算。研究顯示，透過標註4,000多條推文，我們的提示策略在識別疫苗接種狀態和測試結果方面表現優異，為即時監測提供了有效工具，補充了現有流行病學方法。 PubMed DOI

A comparative analysis of large language models versus traditional information extraction methods for real-world evidence of patient symptomatology in acute and post-acute sequelae of SARS-CoV-2.
SARS-CoV-2 急性及後急性症狀群患者症狀學真實世界證據中，大型語言模型與傳統資訊擷取方法之比較分析 PLoS One 2025-05-15

這項研究發現，規則式系統 BioMedICUS 在從臨床紀錄擷取 COVID-19 症狀的準確度和族群公平性上，都比大型語言模型（LLaMA2-13B、LLaMA3-8B）表現更好。不過，LLMs 在某些情境下也有優勢。整體來說，LLMs 在公平性和泛化能力上還有待加強，未來需提升訓練資料和標註品質。 PubMed DOI

Identifying Disinformation on the Extended Impacts of COVID-19: Methodological Investigation Using a Fuzzy Ranking Ensemble of Natural Language Processing Models.
辨識有關 COVID-19 延伸影響的錯誤資訊：運用自然語言處理模型模糊排序集成之方法學研究 J Med Internet Res 2025-05-21

這項研究用深度學習架構，結合先進語言模型（如RoBERTa、DeBERTa、XLNet）和創新集成方法，搭配Gompertz函數，有效偵測長新冠相關假訊息。實驗結果顯示，XLNet和集成模型準確率高達93.52%，整體表現優於傳統方法。這證明結合預訓練語言模型和新集成技術，能大幅提升假新聞偵測效果，對公共衛生政策很有幫助。 PubMed DOI

Advancing real-time infectious disease forecasting using large language models.
利用大型語言模型推進即時傳染病預測 Nat Comput Sci 2025-06-06

PandemicLLM 是新一代疫情預測框架，把疾病傳播預測當成文字推理問題來解決。它結合即時多元資料（如防疫政策、基因監測、時序數據），透過 AI 與人類協作提示提升預測準確度。實測美國各州 COVID-19 資料，表現優於現有模型，能整合複雜非數值資訊，讓疫情預測更精準。 PubMed DOI

Use of Large Language Models to Classify Epidemiological Characteristics in Synthetic and Real-World Social Media Posts About Conjunctivitis Outbreaks: Infodemiology Study.
運用大型語言模型於合成與真實社群媒體貼文中分類結膜炎疫情流行病學特徵之資訊流行病學研究 J Med Internet Res 2025-07-02

這項研究發現，像 GPT-4 這類大型語言模型，能準確從社群貼文判斷結膜炎疫情的類型、規模和原因，表現有時甚至比人類專家還好。雖然敏感度還有進步空間，但 LLM 未來有機會協助自動化公共衛生監測，幫助及早發現疫情並提醒相關單位。 PubMed DOI

原始文章

站上相關主題文章列表