這項研究探討大型語言模型（LLMs），特別是GPT-4，如何分析1型糖尿病患者的持續血糖監測（CGM）數據。研究發現，GPT-4在10項定量指標中有9項達到完美準確度，並且在兩位臨床評分者的評估下，其生成的定性描述在準確性、完整性和安全性方面表現優異。這顯示GPT-4能有效總結CGM數據，可能提升糖尿病護理，並提供分析醫療數據的新方法。 PubMed DOI

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

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

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

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

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

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

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

這篇研究探討大型語言模型（LLM）如何幫助病人解讀連續血糖監測（CGM）數據，協助糖尿病管理。作者建立了開源的CGM數據問答基準，評估多種LLM表現，並指出LLM在解讀穿戴式健康數據上還有進步空間，這些方法也能應用到其他穿戴裝置。 PubMed DOI

這項研究推出CMedRAGBot中文臨床醫學問答系統，結合RAG和醫學知識圖譜，有效減少LLM幻覺和知識過時問題。系統包含知識圖譜、強化NER模型（用Chinese-RoBERTa+BiGRU+資料增強）及意圖辨識。實測在五種主流LLM和醫學考題上，答案正確率最高提升10%。資料增強和意圖辨識對NER和複雜問題理解特別有幫助。原始碼已開源。 PubMed DOI