LLM如ChatGPT在醫療領域應用廣泛，但需謹慎。研究發現在放射腫瘤學中使用LLM時，患者偏好醫師在場，擔心資訊來源。強調LLM需配合醫療指南，AI支持重要，但人文關懷仍不可或缺。 PubMed DOI

審查委員會(IRB)因為工作人員經驗不足，被批評批准研究計畫時出現延遲。研究指出，大型語言模型(LLMs)有助於提升IRB成員的審查效率。四個LLMs在案例研究中被測試，顯示在評估資格、易受傷害性、知情同意、風險效益分析和安慰劑使用等方面具有潛力。雖然LLMs在某些方面遇到困難，但在多次提示下有所改善。總的來說，LLMs有助於識別研究中的倫理關切並提高IRB的效率。 PubMed DOI

研究發現使用GPT-4簡化手術同意書有助提升病人理解。簡化後的表格易讀且符合美國人閱讀水準，得到專家認可。GPT-4生成各種手術同意書，閱讀水準達六年級，獲高評分。這種人工智慧與人類合作展現潛力，可改善病人溝通及應對健康識字差異。 PubMed DOI

使用大型語言模型如GPT-3.5 Turbo和GPT-4可提升臨床試驗患者配對的效率和準確性。研究顯示GPT-4在患者記錄和AI技術中表現優異，有助於減少招募錯誤、減輕研究負擔、加速研究。然而，仍需進一步研究以驗證其在實際臨床數據中的效用。 PubMed DOI

人工智慧（AI）在醫療領域的應用已改變病人互動方式。本研究探討了像ChatGPT這樣的AI在手術同意過程中的角色，重點在於病人的理解與滿意度。研究中86名參與者與AI互動後，71%的人感到獲得足夠資訊，86%認為資訊清晰，71%相信能做出知情決策。雖然大多數參與者表達滿意，但對數據隱私的擔憂仍然存在。未來需改善AI互動，確保人性關懷不被忽視。 PubMed DOI

這項研究探討了大型語言模型（LLMs），特別是GPT-4，在製作癌症臨床試驗教育內容的潛力，旨在提升患者的理解。研究從ClinicalTrials.gov獲取知情同意書，生成簡短摘要和多選題，並透過患者調查和眾包註釋來評估其有效性。結果顯示，摘要內容可讀且具資訊性，患者認為有助於理解臨床試驗並提高參與意願。雖然多選題的準確性高，但當要求提供未明確列出的資訊時，GPT-4的準確性較低。整體而言，研究顯示GPT-4能有效生成患者友好的教育材料，但仍需人類監督以確保準確性。 PubMed DOI

這項研究探討使用 Mistral 8x22B 大型語言模型 (LLM) 改善臨床試驗的知情同意書 (ICFs) 撰寫，針對複雜性和法律術語問題進行分析。研究中，四個臨床試驗方案的 ICF 由 LLM 生成，並由八位專家評估。結果顯示，LLM 生成的 ICF 在準確性和完整性上與人類版本相似，但在可讀性和可理解性上表現更佳，且在可行性上獲得滿分。整體而言，LLM 顯示出提升 ICF 可及性和清晰度的潛力，可能成為改善參與者理解的有效解決方案。 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

這項研究探討了ChatGPT-4是否能創建清晰易懂的前列腺癌研究摘要，分析了2022年7月至2024年6月間80篇發表於*Current Oncology*的文章。研究發現，使用詳細提示的摘要在可讀性和質量上都顯著優於簡單提示。雖然兩者都能提供全面的摘要，但詳細提示讓資訊更易於被廣泛受眾理解。研究強調了自訂提示在醫療溝通中的重要性，並建議未來應考慮病患反饋，將此方法擴展至其他醫療領域。 PubMed DOI

生成式人工智慧（GAI）技術，特別是大型語言模型（LLMs），在醫學領域的應用越來越普遍，尤其是在病人與臨床試驗配對方面。研究顯示，LLMs能有效匹配病人的健康紀錄與臨床試驗資格標準，並取得良好結果。雖然自動化配對有助於提升病人參與率和減輕醫療工作負擔，但也面臨挑戰，如可能帶來虛假希望、導航困難及需人類監督等問題。進一步研究對驗證LLM在腫瘤學中的安全性和有效性至關重要。 PubMed DOI