在數位醫療領域，利用GPT模型匿名化健康資訊進行研究有潛力。已研發方法用於編輯罕見呼吸系統疾病平台上醫生回應，保留醫療建議核心。挑戰在於錯誤分類和不完全刪除，需要提高準確性。GPT-4模型潛力龐大，但準確性和一致性有困難。在醫療環境中，準確性至關重要，以減少偏見並保持相關資訊。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4，如何生成符合病人和醫師需求的醫療建議回應。研究團隊透過人員參與的迭代過程，優化提示，提升回應質量。經過三次迭代後，臨床醫師對草擬回應的接受度從62%提升至84%，且74%的回應被評為「有幫助」。病人也認為優化後的回應在語氣和質量上更佳，76%的病人無法分辨人類與LLM生成的回應。研究顯示，根據醫師和病人的反饋來精煉提示，能有效生成有用的醫療建議。 PubMed DOI

這項研究探討了提示工程對大型語言模型（LLM），特別是GPT-4，在醫療提供者回應病人詢問時的影響。研究持續8個月，參與者有27位醫療提供者，主要評估LLM生成訊息的使用情況及提供者的情感變化。 結果顯示，7605條訊息中僅17.5%被使用，負面情感顯著減少，但整體使用量卻下降。隨著護士的加入，使用量提升至35.8%。雖然提示工程改善了內容質量，但整合LLM進工作流程仍面臨挑戰，未來需更注重人因因素以提升可用性和有效性。 PubMed DOI

生成式AI模型如ChatGPT正在改變醫療保健，透過提示工程提升AI輸出的準確性和倫理標準。這個九階段的過程包括：識別應用、了解利益相關者需求、設計量身定制的提示、迭代測試與改進、倫理考量、協作反饋、文檔記錄、培訓及持續更新。研究強調生成式AI在醫療中的應用，確保AI提示能滿足病人及醫療提供者的需求，促進病人對症狀、治療和預防策略的知情決策。 PubMed DOI

這項研究比較了AI聊天機器人（ChatGPT和Google Gemini）生成的病患教育材料與傳統病患資訊手冊（PILs）在眼科手術局部麻醉方面的效果。專家評估發現，雖然AI提供的語言較簡單且易懂，但傳統PILs在完整性和可讀性上表現更佳。統計分析顯示，ChatGPT在準確性和完整性上稍勝於Google Gemini，但兩者都不及PILs。值得一提的是，Google Gemini的情感語調最為正面。研究結果顯示，AI聊天機器人可作為病患教育的輔助工具，幫助提升病患的理解與決策能力。 PubMed DOI

這項研究探討不同提示工程技術對大型語言模型（如ChatGPT3.5和GPT4）在回答視網膜疾病相關問題時的影響。研究中使用了二十個常見問題，並在獨立問題、優化提示（提示A）及加上長度和閱讀水平限制的提示B下進行測試。三位視網膜專家評估回應的準確性和全面性，結果顯示兩個模型在各指標上無顯著差異，但提示B的可讀性較高，卻以準確性和全面性為代價。研究建議未來需進一步探討LLM在病人教育中的有效性及倫理問題。 PubMed DOI

這項研究探討如何透過提示工程提升ChatGPT-4在放射學問題上的表現，特別針對2022年美國放射學會的測試題。雖然ChatGPT-4在文字任務上表現優異，但在影像問題上則較弱。研究人員設計了四種角色，使用不同提示來評估其對準確性的影響。結果顯示，鼓勵性提示或責任免責聲明能提高準確性，而威脅法律行動的提示則降低準確性，且未回答問題的比例較高。這強調了提示背景在優化大型語言模型回應中的重要性，並呼籲在醫療環境中負責任地整合人工智慧的進一步研究。 PubMed DOI

這項研究評估了四個AI模型（ChatGPT 3.5、Google Bard、HuggingChat和Claude 2）生成的醫療解釋對病人理解的幫助。結果顯示，Claude 2的可讀性和可理解性最佳，但可行性較低；ChatGPT表現相似。Google Bard和HuggingChat的得分則較差。整體來看，Claude 2和ChatGPT的解釋較為清晰易懂，但研究強調仍需進一步探討這些AI解釋在實際醫療環境中的應用，並指出PEMAT評估的主觀性和AI工具的快速變化是限制因素。 PubMed DOI

這項研究探討了提示的構建對AI聊天機器人在頭頸外科回應質量的影響。由16位研究人員在11個歐洲中心進行，涉及24個問題，分為臨床情境、理論問題和病人詢問。結果顯示，使用結構化提示（SMART格式）生成的回應在質量評估上顯著優於非結構化提示，特別是在臨床情境和病人詢問中。研究強調良好構建提示的重要性，並建議未來可在其他醫學領域進行類似研究。 PubMed DOI

這項研究探討GPT生成的回應在病人入口網站的有效性，並與真實醫生的回應進行比較。研究發現，GPT的回應在同理心和可讀性上得分較高，但在相關性和準確性上差異不顯著。雖然可讀性較佳，但差異不大，讓人質疑其臨床意義。總體來說，研究建議GPT的訊息在某些方面可與醫療提供者相當，但仍需進一步研究其在醫療流程中的應用及病人對AI溝通的態度與倫理考量。 PubMed DOI