原始文章

這項研究探討如何準確測量各種疾病患者的醫療需求，並強調優化資源配置以避免浪費的重要性。研究使用大型語言模型（如ChatGPT）進行情感分析，重點分析患者經驗、醫生技能及基礎設施。透過鏈式思考提示，並比較中英文LLMs在中文數據集上的表現，評估醫療資源配置的不滿。結果顯示ChatGPT 3.5在穩定性和成本上優於其他模型，並有效分析患者評價，幫助合理配置資源，促進良好健康與福祉的實現。 PubMed DOI ♡

站上相關主題文章列表

近年來，大型語言模型（LLMs）已被應用於醫療領域，特別是在前列腺癌的病患溝通上。我們的研究評估了三種LLM的效果，包括ChatGPT（3.5）、Gemini（Pro）和Co-Pilot（免費版），並與官方的羅馬尼亞前列腺癌病患指南進行比較。透過隨機和盲測，八位醫療專業人員根據準確性、及時性、全面性和使用友好性進行評估。結果顯示，LLM，尤其是ChatGPT，通常提供比指南更準確且友好的資訊，顯示出其在改善醫療溝通上的潛力。不過，不同模型的表現差異也顯示出需要量身定制的實施策略。 PubMed DOI

這項研究探討了大型語言模型（LLMs），特別是ChatGPT-4.0，對於三級醫療機構病人投訴的回應效果。研究比較了ChatGPT與病人關係部門的回應，結果顯示87.2%到97.3%的受訪者更偏好ChatGPT的回應，且其在適當性、同理心等方面得分較高。ChatGPT的回應平均較長，且與高得分有關。研究顯示，ChatGPT能有效提升病人投訴的解決效果，未來可進一步探討AI在醫療系統中的應用潛力。 PubMed DOI

這項研究探討了機器學習在電子健康紀錄中識別社會和行為健康決定因素的效果。研究人員分析了MIMIC-III數據集中的超過200萬份臨床筆記，使用潛在語義索引（LSI）和GPT模型來預測SBDH類別。結果顯示，LSI的正向預測值超過83%，在多個SBDH類別的預測準確性上優於ICD-9編碼。雖然GPT-4表現稍佳，但LSI在成本效益和處理文件數量上更具優勢。整體而言，LSI是一種有效且實用的方法，適合應用於健康系統。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在識別孕婦臨床筆記中的住房不安全性方面的效果。主要發現顯示，GPT-4在識別住房不穩定案例上表現優於GPT-3.5，回憶率達0.924，超過人類抽取者的0.702。雖然GPT-4的精確度低於人類，但在去識別筆記中略有提升。研究建議，雖然手動抽取準確性較高，LLMs如GPT-4提供了可擴展且具成本效益的選擇，適合半自動化抽取，但仍需人類審查以避免錯誤解釋。 PubMed DOI

這項研究評估了大型語言模型ChatGPT在解決基層醫療問題的表現，透過30道相關選擇題進行測試。結果顯示，ChatGPT正確回答了28題，準確率達93.33%。此外，專業人士對其答案的解釋給予高分4.58（滿分5分），顯示其回答有理有據。評估者之間的一致性也很高，內部一致性相關係數為0.94。這些結果顯示，ChatGPT可能成為解決基層醫療挑戰的有力資源，特別是在偏遠地區，並能協助醫學生自主學習。 PubMed DOI

這項研究探討醫療專業人員與公眾對於在臨床中使用ChatGPT的看法。研究指出，成功實施ChatGPT不僅依賴技術，還需考量醫療提供者和公眾的態度。透過分析3,130條評論，研究發現醫療人員對其效率表示肯定，但對倫理和責任有疑慮；而公眾則欣賞其可及性和情感支持，但擔心隱私和錯誤資訊。為了有效整合ChatGPT，需針對這些不同觀點進行調整，提升可靠性並明確其在醫療中的角色。 PubMed DOI

這項研究探討大型語言模型（LLMs）在分析患者對緊急研究中免除知情同意（EFIC）過程的看法。研究分析了102個與兒科研究相關的社區訪談，使用五種LLMs，包括GPT-4，來評估情感並進行主題分類。結果顯示，LLMs在情感分析上與人類評審者一致性高（Cohen's kappa: 0.69），主題分類準確率也高（0.868）。雖然LLMs在數據分析上效率高，但仍應輔助人類判斷。未來研究應著重於將LLMs整合進EFIC過程，以提升分析效率與準確性。 PubMed DOI

這項研究展示了利用大型語言模型（LLMs）如ChatGPT來挖掘病患評論的潛力，幫助更好理解病患的醫療需求。研究人員分析了來自haodf.com的504,198則評論，並開發了情感分析模板，將病患關注點分為三大領域。結合ChatGPT的思考鏈，他們取得了優異的表現，精確度達0.944，召回率0.884，F1分數0.912，超越了ChatGPT-4o的表現。這種方法不僅增進了對病患需求的理解，還有助於改善醫療資源配置和病患體驗，未來可應用於其他LLMs以推進醫療管理。 PubMed DOI

這項研究評估大型語言模型（LLMs）在教育強直性脊柱炎（AS）和脊椎關節炎（SpA）患者的有效性，涵蓋182名參與者，包括4名風濕病學專家和178名患者。結果顯示，LLMs如ChatGPT-4o和Kimi在提供準確的醫療資訊上表現優於傳統指導，且患者對這些資訊的理解和接受度也較高。研究建議LLMs在醫療知識傳遞和患者教育上具潛力，未來可能成為醫療實踐中的重要工具。 PubMed DOI

慢性病是全球主要死因，LLMs（像ChatGPT）在管理慢性病上有潛力，能提供準確、易懂的健康建議，幫助病人自我管理和獲得支持。專業型LLMs表現更好，但目前證據有限，還有隱私、語言和診斷等挑戰。臨床應用還在初期，未來需加強資料安全、專業化和與穿戴裝置整合。 PubMed DOI