Does synthetic data augmentation improve the performances of machine learning classifiers for identifying health problems in patient-nurse verbal communications in home healthcare settings?
合成數據增強是否能提高機器學習分類器在家庭醫療環境中識別患者-護士口頭溝通中健康問題的表現？ J Nurs Scholarsh 2024-07-03

在家庭照護中運用機器學習辨識健康問題對成效至關重要。研究指出，透過GPT-4生成虛擬患者-護士對話資料並自動標記問題，結合真實與虛擬資料，機器學習分類器在辨識健康問題上有更佳表現。這項研究凸顯了虛擬資料在醫療分析中的潛力，對提升家庭照護患者複雜病況問題檢測的準確性與效率有所助益。 PubMed DOI

Large language models vs human for classifying clinical documents.
大型語言模型與人類在臨床文件分類中的比較。 Int J Med Inform 2025-01-23

這項研究探討了使用先進的大型語言模型，如ChatGPT 3.5和ChatGPT 4，來提升醫療紀錄中ICD-10代碼的分類準確性，特別是針對現有方法識別為假陰性的紀錄。研究在MIMIC IV數據集的802份出院摘要上進行，結果顯示ChatGPT 4的匹配率為86%到89%，明顯優於ChatGPT 3.5的57%到67%。雖然經驗豐富的人類編碼員表現更佳，但ChatGPT 4的準確性已達到人類編碼員的中位數。這顯示將這類模型整合進臨床編碼中，能提升醫療文檔的準確性，特別在複雜案例中。 PubMed DOI

Large language models generating synthetic clinical datasets: a feasibility and comparative analysis with real-world perioperative data.
大型語言模型生成合成臨床數據集：可行性及與真實世界圍手術數據的比較分析。 Front Artif Intell 2025-02-20

這項研究探討使用OpenAI的GPT-4o生成合成臨床數據，以解決隱私法規和數據稀缺的問題。研究分為兩個階段：第一階段根據13個臨床參數創建了6,166個案例的結構化數據集，數據合理且準確；第二階段則利用真實的圍手術期數據集VitalDB生成數據，結果顯示92.31%的參數與VitalDB相似，且大多數參數間無顯著差異。研究顯示GPT-4o能有效生成反映實際臨床數據的合成數據，未來應進一步提高數據真實性並探索大型語言模型的潛力。 PubMed DOI

Can GPTs Accelerate the Development of Intelligent Diagnosis and Treatment in Traditional Chinese Medicine? A Survey and Empirical Analysis.
GPTs 能否加速傳統中醫智能診斷與治療的發展？一項調查與實證分析。 J Evid Based Med 2025-02-24

這項研究探討將大型語言模型（LLMs），如GPT，融入傳統中醫（TCM）的可能性，旨在現代化和全球化這個領域。中醫因專業術語和診斷方法的複雜性，面臨數位化和個性化的挑戰。雖然LLMs在語意理解上有潛力，但在準確性和邏輯推理上仍有不足，可能產生不可靠的結果。研究回顧現有文獻和實證數據，評估LLMs在中醫的潛在好處與挑戰，並討論未來的發展方向。 PubMed DOI

Using Synthetic Health Care Data to Leverage Large Language Models for Named Entity Recognition: Development and Validation Study.
使用合成健康照護數據來利用大型語言模型進行命名實體識別：開發與驗證研究。 J Med Internet Res 2025-03-18

這項研究針對低資源語言，特別是愛沙尼亞語，開發命名實體識別（NER）模型，目的是從醫療記錄中提取重要的醫療實體。由於缺乏標註數據，作者提出三步驟方法：首先，利用本地訓練的GPT-2生成合成醫療數據；接著，使用GPT-3.5-Turbo和GPT-4對這些數據進行標註；最後，微調NER模型並測試真實醫療文本。研究結果顯示，藥物提取的F<sub>1</sub>分數為0.69，程序提取為0.38，顯示出在藥物識別上的有效性，並指出程序提取的挑戰。這方法為未來在其他語言的研究提供了新方向。 PubMed DOI

Development of a Synthetic Oncology Pathology Dataset for Large Language Model Evaluation in Medical Text Classification.
用於大型語言模型醫學文本分類評估的合成腫瘤病理資料集開發 Stud Health Technol Inform 2025-04-24

這項研究用大型語言模型（像是 Copilot、ChatGPT Plus、Perplexity Pro）生成227份腫瘤病理報告的合成資料集，涵蓋前列腺癌、肺癌和乳癌，惡性與良性比例平均。資料集經專業癌症登記員驗證，完全沒用到真實病患資料，可作為AI病理報告分類的標準測試集，兼顧隱私與可重現性。 PubMed DOI

CMedRAGBot: A Chinese Medical Chatbot Based on Graph RAG and Large Language Models.
CMedRAGBot：基於圖譜RAG與大型語言模型的中文醫療聊天機器人 Interdiscip Sci 2025-06-05

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

Leveraging large language models for accurate classification of liver lesions from MRI reports.
運用大型語言模型精確分類MRI報告中的肝臟病灶 Comput Struct Biotechnol J 2025-06-12

這項研究用88份真實MRI肝臟病灶報告，測試多款大型語言模型的分類能力。結果發現，Claude 3.5 Sonnet準確率最高，勝過GPT-4o等其他模型。雖然LLM有潛力協助醫療診斷，但臨床應用前還需更多驗證，嚴謹測試也很重要。 PubMed DOI

Synthetic4Health: generating annotated synthetic clinical letters.
Synthetic4Health：產生帶有註解的合成臨床信件 Front Digit Health 2025-06-16

這篇研究用 Bio_ClinicalBERT 等預訓練語言模型，提出產生去識別化合成臨床信件的方法。結果顯示，僅有編碼器的模型表現較佳，只要保留臨床實體，一般模型也能媲美專用模型。遮罩停用詞有助提升品質，遮罩名詞或動詞則會降低品質。BERTScore 是最佳評估指標。偶爾的幻覺對臨床應用影響不大。程式碼和模型已開源。 PubMed DOI

Intelligent Chinese patent medicine (CPM) recommendation framework: Integrating large language models, retrieval-augmented generation, and the largest CPM dataset.
智慧型中成藥（CPM）推薦框架：結合大型語言模型、檢索增強生成，以及最大規模中成藥資料集 Pharmacol Res 2025-07-27

這項研究開發了RAG-CPMF智慧中成藥推薦系統，結合大型語言模型、RAG技術和最大規模中成藥資料庫。透過多模型驗證，能有效建立並更新資料庫。整合後，RAG-CPMF在中成藥推薦準確度上明顯優於一般LLM，並經臨床指引驗證，有助西醫師更有效開立中成藥。 PubMed DOI

原始文章

站上相關主題文章列表