大型語言模型（LLMs）有潛力幫助醫生診斷和改善與患者溝通，提升醫療品質。然而，數據隱私、數位素養不足及整合到臨床工作流程的挑戰限制了應用。為了充分發揮潛力，必須培訓醫護人員使用LLMs，並促進跨學科研究，將人工智慧轉化為智慧增強。 PubMed DOI

這項研究評估了安徽醫科大學醫學生對大型語言模型（LLMs），如ChatGPT的理解與使用情況。調查於2023年12月至2024年1月進行，共發放1,774份問卷，回收有效回應1,718份，回應率達96.84%。 主要發現包括：34.5%的學生使用過LLMs，男性、大三學生及公共衛生管理專業的學生對LLMs理解較好。男性和護理專業學生對LLMs的信任較高，且男性與大三學生在輔助學習中使用LLMs更普遍。大多數學生對LLMs持中立態度，只有3%持悲觀看法。研究指出，性別、年級和專業影響醫學生對LLMs的理解與使用，建議將這些模型整合進醫學教育中以提升教學效果。 PubMed DOI

這篇文章強調在醫療和研究領域中，如何安全有效地使用大型語言模型（LLMs），特別是對於經驗較少的專業人士。文中列出六個實用案例，包括自訂翻譯、精煉文本、生成概述、編纂想法、創建個性化教育材料，以及促進智識討論。此外，還提供了一些使用AI工具的注意事項和策略。儘管面臨挑戰，將LLMs整合進醫療和研究工作中，能有效提升生產力和效率。 PubMed DOI

本研究探討影響中國醫療專業人士採用醫療大型語言模型（MLLMs）的因素，基於擴展的科技接受模型（TAM），並考量心理及人口統計因素。從2023年3月到12月進行的調查中，有955名醫療人員參與。結果顯示，感知易用性顯著預測感知有用性和滿意度，內容品質影響滿意度但不影響有用性，技術支持和社會影響則增強感知有用性。感知有用性對滿意度和使用行為有正面影響，而感知風險則有負面影響。性別、年齡、教育程度和職稱等因素會調節滿意度與使用行為的關係，為未來醫療領域的MLLMs開發提供了重要見解。 PubMed DOI

**引言** 人工智慧（AI）在醫學領域受到廣泛關注，尤其是大型語言模型（LLMs）如ChatGPT的興起，使其對醫學生更具可及性。本研究探討醫學生如何使用基於LLM的工具及其看法。 **方法** 2024年1月，佛羅里達大學醫學院對醫學生進行調查，評估他們對AI和LLM工具的使用情況及看法。 **結果** 102名受訪者中，69%每月至少使用一次這些工具，77.1%認為信息準確，80%有意在未來繼續使用。對AI有基本了解的學生更可能使用這些工具並進行信息交叉檢查。接觸過AI的學生對臨床決策中信任AI的可能性更高。 **結論** 基於LLM的聊天機器人已成為醫學生學習的重要資源，醫學生普遍對其持正面看法，並希望在課程中納入AI，以準備未來的實踐。 PubMed DOI

這項研究顯示大型語言模型（LLMs），像是GPT，在學術界，特別是醫學領域的使用越來越普遍。調查訪問了來自59個國家的226位參與者，結果發現87.6%的人對LLMs有了解，且這些人發表的論文數量較多。雖然18.7%的人使用LLMs處理語法和格式，但許多人並未在作品中說明。大多數人（50.8%）認為LLMs將對未來有正面影響，尤其在編輯和文獻回顧方面，但也有呼籲制定規範以防止濫用的聲音，強調了建立倫理指導方針的必要性。 PubMed DOI

本研究探討護理學生對大型語言模型（LLMs）的看法，並運用計畫行為理論（TPB）進行分析。研究於2024年1至6月進行，透過目的性和滾雪球抽樣招募24名來自中國13所醫學大學的護理學生，並進行半結構式線上訪談。分析結果顯示，影響學生採用LLMs的因素包括正面態度、媒體影響、使用者友好設計等促進因素，以及謹慎態度、組織壓力、數位素養不足等障礙因素。研究結果可為護理教育者提供整合LLMs的參考。 PubMed DOI

將大型語言模型（LLMs）應用於醫療保健有潛力提升病患照護與運營效率，但需謹慎整合，面臨技術、倫理及法規挑戰。 技術上，封閉式LLMs易於部署但可能影響數據隱私；開放式LLMs則可客製化，增強數據控制，但需更多資源與專業知識。倫理上，必須遵循指導方針以保護病患機密性，並確保透明度與責任。法規框架也需建立以保障病患權益。 因此，臨床醫生、研究人員與科技公司之間的合作至關重要，能促進技術穩健且符合倫理的LLMs發展，最終改善病患治療結果。 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

這項研究探討使用者如何決定信任並採用生成式人工智慧，特別針對DeepSeek這個大型語言模型在醫療領域的應用。研究發現，大多數受訪者對醫療提供者使用AI感到舒適，前提是結果經過驗證。信任被視為關鍵因素，使用便利性和感知有用性會影響使用意圖，而風險感知則有負面影響。研究建議，當DeepSeek易用且值得信賴時，使用者更可能採用，並呼籲進一步探討隱私和文化差異等因素。 PubMed DOI