Unmasking and quantifying racial bias of large language models in medical report generation.
揭示與量化大型語言模型在醫療報告生成中的種族偏見。 Commun Med (Lond) 2024-09-10

大型語言模型（LLMs），像是GPT-3.5-turbo和GPT-4，對醫療專業人員有潛在的協助能力，但可能帶有訓練數據中的偏見，影響其在醫療情境中的有效性。本研究分析這些模型在預測住院、費用和死亡率時的表現，發現它們對白人族群的預測較高，且在困難醫療情況下過於樂觀。這些偏見反映了醫療不平等，強調了進一步研究的必要性，以減少語言模型中的偏見，確保所有病患都能獲得公平和準確的醫療結果。 PubMed DOI

Premature mortality and disparities in kidney healthcare for people with chronic kidney disease and severe mental health difficulties.
慢性腎病及重度心理健康困難患者的早逝與腎臟醫療差異。 J Nephrol 2024-11-02

這項研究顯示，腎臟醫療中，心理健康問題（如精神分裂症和雙相情感障礙）患者與其他患者有明顯差異。分析2006至2019年倫敦一腎臟單位的5,105名慢性腎病患者發現，只有2.2%有嚴重心理健康診斷。這些患者的平均壽命比其他人短13.1年，且CKD病情更嚴重。雖然腎衰竭和住院率相似，但他們急診和重症監護病房的入院率較高，接受腎臟移植或腹膜透析的機會也較低，且在血液透析中併發症更多。這強調了改善這群脆弱患者的腎臟護理和減少過早死亡的必要性。 PubMed DOI

Using large language models for extracting stressful life events to assess their impact on preventive colon cancer screening adherence.
使用大型語言模型提取壓力生活事件，以評估其對預防性結腸癌篩檢遵從性的影響。 BMC Public Health 2025-01-03

早發性結腸直腸癌的增加強調了篩檢遵從的重要性，這受到離婚、結婚和失業等社會因素的影響。一項研究分析南卡羅來納醫科大學的健康紀錄，發現380名經歷壓力事件的患者中，某些負面事件如被逮捕和無家可歸，顯著降低了篩檢的可能性。相對地，親近的人去世則與篩檢增加有關。研究指出，生活事件與篩檢行為之間的關係相當複雜，建議未來可用其他數據進行驗證，並考慮更多壓力事件，特別是針對邊緣化群體。 PubMed DOI

Using natural language processing to identify emergency department patients with incidental lung nodules requiring follow-up.
利用自然語言處理識別需要後續追蹤的急診部門意外肺結節患者。 Acad Emerg Med 2025-01-17

這項研究旨在提升急診部病人胸部CT掃描中偶發性肺結節（ILNs）的檢測與追蹤，對早期肺癌診斷至關重要。研究團隊開發了一個三步驟的自然語言處理（NLP）流程，解決非結構化放射學報告的挑戰。分析了26,545份CT掃描，並建立了基於RoBERTa模型的NLP流程。評估結果顯示，該流程在結節檢測及後續建議上表現良好，準確率高達93.3%。這個開放存取的工具有助於減少錯誤，改善病人照護。 PubMed DOI

Emergency department visits for patients with end-stage kidney disease in Korea: registry data from the National Emergency Department Information System 2019-2021.
韓國末期腎病患者的急診就診情況：2019-2021年國家急診部門資訊系統的登記數據。 Kidney Res Clin Pract 2025-01-24

這項研究分析了南韓末期腎病（ESKD）患者在急診部的就診情況，使用了2019至2021年的數據。結果顯示，ESKD患者的住院率（66.7%）和死亡率（9.4%）明顯高於非慢性腎病患者（分別為21.0%和5.1%）。這些患者通常年齡較大，女性比例較高，且多數需要醫療援助。主要影響住院和死亡率的因素包括高齡、男性、轉診及急診停留時間等。常見就診原因有血管併發症、消化系統疾病等。研究強調了ESKD患者急診就診的嚴重性，建議進一步研究以改善臨床結果。 PubMed DOI

Large language models improve the identification of emergency department visits for symptomatic kidney stones.
大型語言模型改善了對有症狀腎結石的急診就診識別。 Sci Rep 2025-01-28

這項研究探討大型語言模型（LLMs），特別是GPT-4和GPT-3.5，如何分析急診部報告以識別與腎結石相關的就診。研究使用標註過的數據集，透過提示優化和微調來提升模型表現。結果顯示，GPT-4的宏觀F1分數為0.833，表現最佳，而GPT-3.5為0.796。微調改善了GPT-3.5的表現，並且加入人口統計和醫療歷史信息有助於決策。GPT-4未顯示種族或性別偏見，但GPT-3.5在種族多樣性建模上有困難。研究強調了LLMs在臨床應用的潛力及偏見問題的重要性。 PubMed DOI

LLM-Guided Pain Management: Examining Socio-Demographic Gaps in Cancer vs non-Cancer cases.
LLM 指導的疼痛管理：檢視癌症與非癌症病例中的社會人口差距。 medRxiv 2025-03-17

這項研究探討大型語言模型（LLMs）在急性疼痛情境下的鴉片類藥物處方建議中可能存在的偏見。研究人員測試了十個LLM，使用1,000個情境故事，發現邊緣化群體（如無家可歸者、黑人或LGBTQIA+）通常獲得較高的鴉片類藥物建議，甚至在癌症案例中超過90%。相對而言，低收入或失業者卻獲得較少建議，顯示模型推理的不一致性。這些結果強調了對模型偏見的評估必要性，並呼籲在LLMs中納入基於證據的檢查，以促進公平的疼痛管理。 PubMed DOI

Sociodemographic biases in medical decision making by large language models.
大型語言模型在醫療決策中的社會人口偏見。 Nat Med 2025-04-08

這項研究評估了九個大型語言模型在醫療領域的表現，分析了1,000個急診案例的170萬個輸出結果。結果顯示，標記為黑人、無家可歸者或自我認同為LGBTQIA+的案例，常被建議進行緊急護理或心理健康評估，且有時缺乏臨床正當理由。相對而言，高收入案例則較常建議進行高級影像檢查。這些偏差可能加劇健康不平等，強調了評估和減輕LLMs偏見的重要性，以確保醫療建議的公平性。 PubMed DOI

Evaluation and Bias Analysis of Large Language Models in Generating Synthetic Electronic Health Records: Comparative Study.
大型語言模型在生成合成電子健康紀錄的評估與偏誤分析：比較性研究 J Med Internet Res 2025-05-12

這項研究評估7種大型語言模型產生的14萬筆合成電子健康紀錄，發現模型越大，資料越完整，但性別和種族偏見也越明顯。性別偏見多反映現實疾病分布，種族偏見則不一致，部分模型高估White或Black患者，低估Hispanic和Asian族群。研究強調AI健康資料需兼顧準確性與公平性，並呼籲建立更完善的偏見評估標準。 PubMed DOI

Social determinants of health extraction from clinical notes across institutions using large language models.
使用大型語言模型跨機構從臨床紀錄中擷取健康社會決定因素 NPJ Digit Med 2025-05-16

這篇研究針對電子病歷中難以提取健康社會決定因素（SDoH）問題，從四家醫院建立標註資料集，涵蓋21種SDoH，並用多種模型（包含大型語言模型）進行偵測。經過指令微調的LLMs表現最佳，F1值都很高，但模型跨醫院應用仍有困難。訓練好的模型已公開在GitHub。 PubMed DOI

原始文章

站上相關主題文章列表