Enhancement of Large Language Models' Performance in Diabetes Education: Retrieval-Augmented Generation Approach.
提升大型語言模型在糖尿病教育中的表現：檢索增強生成方法。 J Med Internet Res 2024-07-24

RISE框架的開發目的是提升大型語言模型（LLMs）在回答糖尿病相關問題的準確性和全面性。研究評估了RISE的有效性，包含重寫查詢、資訊檢索、摘要和執行四個步驟。研究結果顯示，應用RISE後，三個基礎LLM（GPT-4、Claude 2和Google Bard）的回答準確性平均提高12%。具體來說，GPT-4提高7%，Claude 2提高19%，Google Bard提高9%。此外，回答的全面性和可理解性也有所增強，顯示RISE對於患者教育和慢性疾病自我管理的重要性，有助於改善公共健康。 PubMed DOI

The role of large language models in self-care: a study and benchmark on medicines and supplement guidance accuracy.
大型語言模型在自我照護中的角色：藥物和補充品指導準確性的研究與基準。 Int J Clin Pharm 2024-12-07

最近大型語言模型在醫療和製藥領域的進展顯著。本研究評估了六個主要模型在回答患者自我照護問題的表現，重點在準確性和上下文敏感性。結果顯示，這些模型通常能提供準確的健康資訊，但回應存在變異，有些建議可能不安全。影響答案質量的因素包括語言、問題結構和使用者背景。GPT 4.0 獲得最高分，研究強調需謹慎驗證資訊，以降低錯誤風險，並建立基準以改善人工智慧在自我照護中的應用。 PubMed DOI

LLM-CGM: A Benchmark for Large Language Model-Enabled Querying of Continuous Glucose Monitoring Data for Conversational Diabetes Management.
LLM-CGM：一個用於大型語言模型驅動的持續血糖監測數據查詢的基準，以促進對話式糖尿病管理。 Pac Symp Biocomput 2024-12-13

在過去十年，穿戴式科技大幅改變了慢性疾病的管理，特別是心率監測器和持續血糖監測（CGM）設備。這些科技讓患者能即時獲得健康數據，並透過手機應用程式輕鬆查看。CGM對糖尿病患者的管理影響深遠，但解讀數據對某些人來說仍具挑戰性。本研究探討大型語言模型（LLMs）在CGM數據問答中的應用，並建立了一個開源基準，未來可供研究和開發使用，雖然主要針對糖尿病，但也可應用於其他穿戴設備。 PubMed DOI

Knowledge graph-based thought: a knowledge graph-enhanced LLM framework for pan-cancer question answering.
基於知識圖譜的思維：一個知識圖譜增強的 LLM 框架，用於泛癌症問答。 Gigascience 2025-01-08

近年來，大型語言模型（LLMs）在生物醫學領域展現潛力，但常面臨錯誤輸出和幻覺等問題。為了解決這些挑戰，我們開發了基於知識圖譜的思維（KGT）框架，將LLMs與知識圖譜結合，透過整合可驗證資訊來增強回應，顯著減少推理錯誤。KGT框架適應性強，能在多種開源LLMs中表現良好，並能發現藥物新用途及預測抗藥性。總體而言，KGT框架提升了LLMs在生物醫學的準確性與實用性。 PubMed DOI

Research on a traditional Chinese medicine case-based question-answering system integrating large language models and knowledge graphs.
整合大型語言模型與知識圖譜的傳統中醫案例問答系統研究。 Front Med (Lausanne) 2025-01-22

這項研究旨在利用現代數據技術提升中醫病例記錄的可及性與分析能力。研究分析了679份來自新安醫學王仲期醫師的病例，涵蓋41種疾病，並建立了模式層來整合數據與可視化。透過大型語言模型（LLM），自動識別病例中的關鍵資訊，並建立中醫病例知識圖譜。開發的查詢系統在性能評估中表現優異，顯示結合LLM與知識圖譜能顯著提升中醫資訊檢索的效率與準確性，未來將擴展數據集與精進查詢系統。 PubMed DOI

Large language models for diabetes training: a prospective study.
糖尿病訓練的大型語言模型：一項前瞻性研究。 Sci Bull (Beijing) 2025-02-13

糖尿病是全球健康的重要議題，醫療人員對其知識水平參差不齊，顯示出有效訓練的必要性。大型語言模型（LLMs）如ChatGPT-4.0和Google Bard在糖尿病教育上展現新可能性。本研究評估了十個模型在糖尿病相關考試中的表現，結果顯示ChatGPT-4.0在英語考試中通過率達62.50%，在中文考試中也表現優異，準確率高達84.82%。這些模型有潛力提升醫療專業人員的糖尿病訓練效果。 PubMed DOI

Leveraging Medical Knowledge Graphs Into Large Language Models for Diagnosis Prediction: Design and Application Study.
將醫學知識圖譜融入大型語言模型進行診斷預測：設計與應用研究。 JMIR AI 2025-02-24

這項研究介紹了DR.KNOWS，一個結合知識圖譜（KGs）與大型語言模型（LLMs）的新模型，旨在提升電子健康紀錄（EHRs）的診斷推理。透過KGs的結構化知識，DR.KNOWS能更精確地檢索病人相關的醫療資訊，改善診斷預測。實驗結果顯示，DR.KNOWS在準確性上超越了多個基準模型，並獲得了人類評估者的肯定。研究也提到KG數據可能存在的偏見，並建議未來需針對這些問題進行改善。總體而言，DR.KNOWS在臨床決策支持上具有重要意義。 PubMed DOI

A Joint LLM-KG System for Disease Q&A.
一個聯合 LLM-KG 系統用於疾病問答。 IEEE J Biomed Health Inform 2025-03-03

這段文字介紹了一個名為 Disease Guru - Long-Form Question Answer (DG-LFQA) 的新自動化問答系統，旨在協助使用者解決健康相關問題。它結合了大型語言模型 (LLMs) 和知識圖譜 (KGs) 的優勢，能提供更準確的答案，減少錯誤信息的傳播，並減輕醫療人員的負擔。評估結果顯示，DG-LFQA 在質量上超越了現有系統，有效滿足使用者需求。 PubMed DOI

Knowledge-Infused LLM-Powered Conversational Health Agent: A Case Study for Diabetes Patients.
知識融入的 LLM 驅動對話健康助手：糖尿病患者的案例研究。 Annu Int Conf IEEE Eng Med Biol Soc 2025-03-05

這篇論文探討了一個專為糖尿病患者設計的對話健康代理（CHA），使用開源的openCHA框架。這個CHA整合了美國糖尿病協會的飲食指導和Nutritionix的資訊，並具備分析營養攝取的工具，以提升糖尿病管理。研究比較了CHA與GPT-4的表現，針對100個與糖尿病相關的問題進行評估，主要聚焦在餐飲選擇和飲食風險上。結果顯示，CHA在提供準確有效的營養建議方面，表現優於GPT-4。 PubMed DOI

Large Language Model-Driven Knowledge Graph Construction in Sepsis Care Using Multicenter Clinical Databases: Development and Usability Study.
多中心臨床數據庫在敗血症護理中驅動大型語言模型的知識圖譜構建：開發與可用性研究。 J Med Internet Res 2025-03-27

這項研究利用GPT-4.0整合臨床數據，開發了一個全面的敗血症知識圖譜。敗血症是一種變異性大的病症，傳統知識圖譜建構困難。研究者從中國西部三家醫院建立了多中心敗血症數據庫，收集了10,544名患者的數據。透過GPT-4.0的技術，成功生成了包含1,894個節點和2,021個關係的知識圖譜，顯示其在實體識別和關係提取上的優越性。這項成果不僅增進了對敗血症的理解，也為臨床決策提供了支持，成為未來研究的寶貴資源。 PubMed DOI

原始文章

站上相關主題文章列表