Using Large Language Models to Retrieve Critical Data from Clinical Processes and Business Rules.
使用大型語言模型從臨床流程和商業規則中檢索關鍵數據。 Bioengineering (Basel) 2025-01-24

這項研究探討大型語言模型（LLM）LLaMA 2 在臨床護理的應用，特別是解釋複雜的護理路徑模型。傳統的診斷系統繁瑣且需頻繁更新。研究人員訓練 LLaMA 2，並測試其根據假設病人案例提供臨床建議的能力。結果顯示，LLaMA 2 在檢索診斷和建議管理步驟方面準確率高，平均節點準確率為 0.91，邊緣準確率為 0.92，顯示其在醫療資訊檢索上的潛力。未來研究應著重於提升 LLM 的可解釋性及與臨床流程的整合。 PubMed DOI

Evaluating the Performance of Large Language Models (LLMs) in Answering and Analysing the Chinese Dental Licensing Examination.
評估大型語言模型 (LLMs) 在回答和分析中國牙科執照考試中的表現。 Eur J Dent Educ 2025-01-31

這項研究評估了多種大型語言模型（LLMs）在中國醫學教育CDLE考試中的表現。研究人員選擇並修訂了200道考題，並在三種情境下測試七個高效能的LLMs。結果顯示，Doubao-pro 32k和Qwen2-72b的準確性最高，分別達到81%和98%的最佳一致性比率。雖然模型之間的教學效果有顯著差異，但都能提供有效的教學內容。研究建議未來應進一步探討LLM輸出的可解釋性及減少醫學教育中不準確性的策略。 PubMed DOI

Transforming Medical Education: Leveraging Large Language Models to Enhance PBL - A Proof-of-Concept Study.
轉變醫學教育：利用大型語言模型增強問題導向學習（PBL）- 一項概念驗證研究。 Adv Physiol Educ 2025-02-07

這項研究探討了Gemini Advanced這個大型語言模型（LLM）在生成臨床小案例和導師指南的有效性，並評估其與問題導向學習（PBL）課程的學習目標的對齊程度。研究結果顯示，LLM生成的臨床小案例在對齊學習目標上得分較高，但原始案例在教育適切性和遵循PBL設計方面表現較佳。導師指南方面，LLM版本在流程和內容全面性上表現優異，但缺乏視覺元素。總體而言，建議醫學教育者利用LLM創造創新的學習體驗，同時注意其局限性。 PubMed DOI

A systematic review of large language model (LLM) evaluations in clinical medicine.
大型語言模型 (LLM) 在臨床醫學評估中的系統性回顧。 BMC Med Inform Decis Mak 2025-03-07

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

LLMs for thematic summarization in qualitative healthcare research: feasibility and insights.
定性醫療研究中主題摘要的LLMs：可行性與見解。 JMIR AI 2025-03-10

這項研究探討大型語言模型（LLMs）在分析線上護理論壇專家文本的應用，目的是提升主題分析的效率。研究過程包括數據收集、主題建模、人為分類及LLMs的主題詮釋。結果顯示，人為詮釋與LLMs生成的詮釋有80%的相似度，且在三分之二的主題上達成共識。LLMs能識別子主題並提供額外見解，增強分析深度，但在質性研究中整合這些模型仍需謹慎。總體而言，LLMs在自動化質性數據詮釋方面展現潛力。 PubMed DOI

A Review of Large Language Models in Medical Education, Clinical Decision Support, and Healthcare Administration.
大型語言模型在醫學教育、臨床決策支持和醫療管理中的綜述。 Healthcare (Basel) 2025-03-28

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

Randomized Controlled Study on the Impact of Problem-Based Learning Combined With Large Language Models on Critical Thinking Skills in Nursing Students.
結合問題導向學習與大型語言模型對護理學生批判性思維能力影響的隨機對照研究 Nurse Educ 2025-04-22

**重點摘要：** 這項研究發現，將大型語言模型（LLMs）融入護理學生的問題導向學習（PBL）中，能顯著提升他們的批判性思考能力，特別是在歸納推理方面，效果比傳統PBL更好。使用LLM輔助的學生進步幅度更大，顯示LLM是護理教育中很有效的工具。 PubMed DOI

Delving into the Practical Applications and Pitfalls of Large Language Models in Medical Education: Narrative Review.
探討大型語言模型於醫學教育中的實際應用與陷阱：敘述性回顧 Adv Med Educ Pract 2025-04-24

大型語言模型在醫學教育應用越來越普遍，不只幫助老師設計課程、製作教材，也能給予學生回饋，提升語言和寫作能力。這篇綜述分析實際案例，說明LLMs對師生的好處，並討論遇到的挑戰及解方。研究建議醫學教育應更廣泛運用LLMs，以提升學習成效和病人安全。 PubMed DOI

Pilot Study on Using Large Language Models for Educational Resource Development in Japanese Radiological Technologist Exams.
用於日本放射技師考試教育資源開發之大型語言模型的初步研究 Med Sci Educ 2025-05-12

這篇研究發現，大型語言模型在製作日本放射技術師國考教材時，對文字題表現不錯，但計算題和影像判讀較弱。建議搭配程式工具解計算題，影像題則用關鍵字輔助。老師要主動監督和驗證內容。隨著LLM進步，教學方法也要跟著調整，才能確保非英語環境下的教學品質。 PubMed DOI

Using large language models (LLMs) to apply analytic rubrics to score post-encounter notes.
使用大型語言模型（LLMs）應用分析性評分規準於後診紀錄評分 Med Teach 2025-05-17

這項研究發現，大型語言模型（LLMs）在有明確、結構化提示下，能準確且一致地評分醫學生臨床紀錄，但如果只給簡單指示，結果會不穩定。LLM有時會算錯總分，需要外部協助。整體來說，經過優化後，LLM有潛力成為醫學教育自動評分工具，但針對更複雜的評分系統還需進一步研究。 PubMed DOI

原始文章

站上相關主題文章列表