最新的醫學教育趨勢是使用生成式人工智慧（GenAI）技術，特別是ChatGPT模型。研究發現，GenAI在應對流行病學和診斷問題上表現不錯，但在複雜主題上可能不夠完整。因此，教育工作者需要了解GenAI的優勢和限制，才能有效地運用在醫學教育中，避免過度依賴。 PubMed DOI

本文討論如何運用人工智慧，尤其是ChatGPT，製作醫學教育的多重選擇題。探討了提示工程過程，提供了實現精準結果的見解。展示了人工智慧創造各種複雜問題的能力，並強調了審查的重要性。目的在於協助教育工作者運用人工智慧創建評估工具，徹底改變醫學教育。 PubMed DOI

生成式人工智慧（AI）和大型語言模型在資訊處理上有重大進展，特別是在醫學教育中。雖然這些技術帶來機會，但也面臨挑戰，如生成錯誤資訊、偏見、實施成本高及數據安全問題。為了克服這些挑戰，建議改善AI訓練數據、建立驗證流程及遵循倫理指導。儘管如此，生成式AI仍有潛力提升醫學教育，包括個性化教學、模擬臨床情境、及時反饋和簡化評估等，未來可望為醫療專業人員提供更有效的學習體驗。 PubMed DOI

這項研究探討生成式人工智慧對醫學生創建練習考題的信心與態度影響。68名醫學生和醫師助理學生參加了工作坊，學習使用Google Bard（現稱Gemini）。調查顯示，使用AI創建考題的信心顯著提升（<i>p</i> < 0.001）。焦點小組反饋指出AI的優勢與擔憂，學生希望機構能提供更清晰的指導。雖然信心提升，但研究強調需徹底評估AI生成考題的質量與準確性。總體而言，教導學生負責任地使用AI工具是關鍵。 PubMed DOI

大型語言模型（LLMs）在生成式人工智慧上有重大進展，能根據文本提示產生連貫的語言。在醫學教育中，LLMs展現了提升學習體驗、提供個性化輔導、生成教育內容及模擬病患互動的潛力。不過，隨著技術快速演變，準確性、倫理影響及錯誤資訊的擔憂也隨之而來。隨著LLMs能力的持續提升，其在醫學教育的應用可能會擴大，因此需要不斷評估與調整，以確保其有效且負責任地使用。 PubMed DOI

這項研究介紹了QUEST-AI系統，利用大型語言模型（如GPT-4）來生成、評估和修正美國醫學執照考試（USMLE）的考題。考量到製作醫學考試內容的高成本與耗時，這種創新方法旨在簡化流程。研究人員創建了100道考題，並與醫生和醫學生進行評估。結果顯示，大多數LLM生成的考題被認為有效，且與人類生成的考題表現相關性強。這項技術在醫學教育中的應用，可能提升USMLE考試準備的效率與可及性。 PubMed DOI

這項研究評估了ChatGPT-4o在生成高品質多選題（MCQs）的效果，並與人類專家創建的題目進行比較。參與者為準備香港急診醫學初試的醫生，回答了兩組各100題的MCQs。 主要發現包括：AI生成的題目較容易，且兩組題目的區分能力相似，但AI題目中有更多不準確及不適當的內容，且主要評估較低層次的認知技能。AI生成題目的時間大幅縮短。 結論指出，雖然ChatGPT-4o能有效生成MCQs，但在深度上仍不足，強調人類審核的重要性，結合AI效率與專家監督可提升醫學教育的題目創建。 PubMed DOI

最近生成式人工智慧（AI）在醫學教育上有了新進展，特別是解決考題庫短缺的問題。研究使用OpenAI的GPT-4生成220道符合醫學院評估標準的單選題，經專家評估後，69%的題目經小幅修改後可用於考試。結果顯示，AI生成的題目與人類撰寫的題目在學生表現上無顯著差異。這表明AI能有效生成符合教育標準的考題，但仍需進行質量把關，為醫學教育提供了新的評估資源。 PubMed DOI

學生們越來越依賴人工智慧（AI）工具，如ChatGPT，來輔助醫學教育和考試準備。一項研究檢視了AI生成的多選題，這些題目模仿美國醫學執照考試（USMLE）第一階段的格式。研究發現，83%的問題事實上是準確的，常見主題包括深靜脈血栓和心肌梗塞。研究建議，分開生成內容主題和問題可以提升多樣性。總體而言，ChatGPT-3.5能有效生成相關考題，但需謹慎提示以減少偏見，對醫學生準備USMLE考試有幫助。 PubMed DOI

生成式人工智慧（AI），特別是大型語言模型（LLMs），在生物醫學和健康領域的專業環境及教育中影響深遠。研究顯示，LLMs在醫學執照考試、臨床問題解答等方面表現不亞於人類。這篇評論強調了LLMs的成就，並探討了可能妨礙專業知識和技能發展的挑戰，提供最佳實踐建議以應對這些問題。儘管存在挑戰，學生和教職員理解並運用這項技術仍然至關重要。 PubMed DOI