原始文章

這項研究回顧了大型語言模型(LLMs)在眼科的應用,特別是高排名期刊的相關文章,共分析了101篇研究,主要來自美國、英國和加拿大。研究指出,LLMs在醫學教育、臨床協助、研究及病人教育中有顯著貢獻,但也引發了對表現不一致、偏見及倫理問題的擔憂。作者強調持續改進AI的重要性,並呼籲建立倫理指導方針及跨學科合作,以應對這些挑戰,展現LLMs在眼科的潛力與限制。 PubMed DOI


站上相關主題文章列表

大型語言模型(LLMs)是自然語言處理的前沿技術,透過深度學習模擬人類語言理解與生成。隨著變壓器架構的引入,LLMs在類人互動上展現出色的能力,特別是在醫療領域,能增強醫療人員與患者的溝通。這篇回顧探討了LLMs的演變及其在臨床應用的潛力,包括自動化醫療文檔、分診建議及個性化教育材料的創建。文章也提到LLMs的限制及解決方案,強調其在眼科等領域提升醫療服務質量的潛力。 PubMed DOI

這項研究評估了三個大型語言模型(LLMs)—ChatGPT-4.0、Google Gemini 和 Microsoft Copilot—在回答屈光手術相關問題的效果。兩位眼科醫生使用5點李克特量表評分25個常見問題的回答。結果顯示,ChatGPT-4.0的得分高於Microsoft Copilot,但與Google Gemini無顯著差異。根據DISCERN量表,ChatGPT-4.0的可靠性得分最高,但可讀性得分最低,顯示其答案對病人來說較為複雜。總體而言,ChatGPT-4.0提供了更準確的信息,但理解上較為困難。 PubMed DOI

這項研究評估了五個大型語言模型(LLMs)在回答眼表疾病相關問題的表現,包括ChatGPT-4、ChatGPT-3.5、Claude 2、PaLM2和SenseNova。研究團隊設計了100道單選題,涵蓋角膜炎等主題。結果顯示,ChatGPT-4的準確性和可信度最佳,成功率為59%,但仍有28%的錯誤率。PaLM2在答案準確性上表現良好,相關係數達0.8。整體而言,這些模型在醫學教育和臨床實踐中展現了潛力,特別是ChatGPT-4的表現尤為突出。 PubMed DOI

這項研究評估了多種大型語言模型(LLMs)在處理眼科緊急情況的表現,並與英國國民健康服務(NHS)111的系統進行比較。研究涵蓋21個緊急情境問題,測試的模型包括ChatGPT-3.5、Google Bard、Bing Chat和ChatGPT-4.0。結果顯示,93%的LLM回應至少得分為「良好」,顯示它們提供的資訊正確且無重大錯誤。整體來看,這些模型在提供即時資訊和指導方面,顯示出作為有效工具的潛力,能提升患者護理及醫療可及性。 PubMed DOI

大型語言模型(LLMs)在醫療領域的應用越來越受到重視,能提升診斷準確性和病患照護效率。本研究透過文獻計量分析,探討2021至2024年間的研究趨勢,分析超過500篇相關文章,並使用VOSviewer和CiteSpace工具進行系統性回顧。主要發現顯示,神經網絡在影像診斷和自然語言處理等方面的應用顯著增長,並識別出臨床研究、人工智慧等新興子主題。這項分析不僅概述了當前狀態,還指出未來發展的關鍵領域。 PubMed DOI

近年來,人工智慧(AI)技術,特別是大型語言模型(LLMs)的進步,對傳統醫療實踐有著顯著影響,能提升醫療效率與品質。在眼科領域,LLMs 可協助醫生診斷眼疾、優化治療建議、簡化醫療紀錄撰寫,並提供教育支持。然而,LLMs 在臨床應用中仍面臨挑戰,如知識基礎限制、AI 幻覺現象,以及數據隱私問題。未來的研究將對克服這些挑戰並發揮 LLMs 的潛力至關重要。 PubMed DOI

大型語言模型(LLMs)在臨床醫學中展現出潛力,能改善決策支持、診斷及醫學教育。不過,將其整合進臨床流程需徹底評估,以確保可靠性、安全性及倫理性。本系統性回顧調查了LLMs在臨床環境中的評估方法,發現大多數研究集中於一般領域的LLMs,醫學領域的研究較少。準確性是最常評估的參數。儘管對LLMs的興趣上升,研究中仍存在限制與偏見,未來需建立標準化框架,確保其安全有效地應用於臨床實踐。 PubMed DOI

這項研究評估了先進的大型語言模型(LLMs),如GPT-4、GPT-4o和Llama-3-70b,作為急診眼科決策支持工具的效果,並與認證眼科醫生的表現進行比較。研究使用了73個匿名急診案例,兩位專家眼科醫生對診斷和治療計畫進行評分。結果顯示,人類專家的平均得分為3.72,GPT-4為3.52,Llama-3-70b為3.48,而GPT-4o得分最低,為3.20。研究建議LLMs在急診眼科中具備有效的決策支持潛力。 PubMed DOI

大型語言模型(LLMs)在醫療保健中展現出顯著潛力,能增強醫學教育、臨床決策支持及醫療管理。文獻回顧顯示,LLMs可作為虛擬病人和個性化導師,並在醫學知識評估中超越初級實習生。在臨床決策中,它們協助診斷和治療建議,但效果因專科而異。此外,LLMs能自動化臨床筆記和報告生成,減輕醫療人員的負擔。然而,仍需解決幻覺、偏見及病人隱私等挑戰。未來的整合需謹慎,並強調倫理與合作。 PubMed DOI

這項研究探討使用大型語言模型(LLMs)為眼科筆記創建簡明語言摘要(PLSs),旨在提升非眼科醫師的理解與溝通。研究結果顯示,85%的非眼科醫師偏好PLSs,且在診斷理解、筆記細節滿意度及解釋清晰度上均有顯著改善。PLSs也縮小了醫師間對眼科術語的理解差距。雖然PLSs的可讀性和意義保留良好,但審查中發現26%的錯誤率,需謹慎使用。總體而言,PLSs有助於增進非眼科醫師的理解與跨學科溝通。 PubMed DOI