Large language models for generating medical examinations: systematic review.
大型語言模型用於生成醫學檢查：系統性回顧。 BMC Med Educ 2024-04-01

這篇評論討論了使用大型語言模型（LLMs）製作醫學多重選擇題考試的議題。研究指出LLMs在產生問題上有效，但需注意部分問題不適合醫學考試，需修改。未來研究應解決這些限制，LLMs可作為撰寫醫學多重選擇題的工具，但應謹慎使用。 PubMed DOI

A systematic review of large language models and their implications in medical education.
大型語言模型在醫學教育中的影響：一個系統性回顧。 Med Educ 2024-04-19

使用大型語言模型（LLMs）在醫學教育可能有革新效果，解決資訊過載和時間不足等問題。研究指出LLMs對醫學生學習有正面影響，但也提到準確性和倫理挑戰。負責任地應用LLMs可增進學習體驗，但需注意準確性、技能培養和道德標準。持續評估和合作是整合LLMs在醫學教育中的關鍵。 PubMed DOI

Large Language Model-Based Evaluation of Medical Question Answering Systems: Algorithm Development and Case Study.
基於大型語言模型的醫學問答系統評估：演算法開發與案例研究。 Stud Health Technol Inform 2024-04-29

醫療資源有限，醫患互動時間短。對話代理人（CAs）可回答病患問題。研究使用大型語言模型（LLMs）評估不同健康素養水平患者的CAs表現。評估包括自動化及半自動化程序。乳房X光攝影案例研究顯示LLMs可模擬不同患者問題，但回答準確性取決於素養水平。框架可擴展評估CA，並整合至臨床實踐。未來研究將專注於LLMs適應醫學資訊至用戶素養水平。 PubMed DOI

Integrating Large Language Models in Bioinformatics Education for Medical Students: Opportunities and Challenges.
將此醫學文章的標題翻譯為繁體中文：「整合大型語言模型於醫學生物資訊教育：機會與挑戰」。 Ann Biomed Eng 2024-06-05

大型語言模型（LLMs）透過互動式學習，可改善醫學生的生物信息學教育。提供程式碼範本、解釋編碼元素、幫助解決錯誤，提升教育成果。LLMs在醫學研究中的應用已有案例。但內容可靠性需驗證。結合LLMs與傳統教學，有助醫學生應對生物信息學挑戰。 PubMed DOI

Large Language Model Influence on Management Reasoning: A Randomized Controlled Trial.
大型語言模型對管理推理的影響：一項隨機對照試驗。 medRxiv 2024-08-16

使用大型語言模型（LLM）能顯著提升醫生在複雜管理推理任務上的表現，超越傳統資源。在一項針對92位醫生的隨機對照試驗中，使用GPT-4的醫生在管理推理任務中得分較高。研究顯示，LLM的協助能改善管理決策、診斷決策及特定案例的表現，顯示其在複雜臨床情境中做出決策的能力，特別是在缺乏明確答案的情況下。 PubMed DOI

Large Language Models in Nursing Education: State-of-the-Art.
護理教育中的大型語言模型：最前沿技術。 Stud Health Technol Inform 2024-08-23

這項研究探討大型語言模型（LLMs）在護理教育中的應用，強調轉向更互動的學習環境。研究分析了自2022年以來的文獻，找出19篇相關研究。結果顯示，LLMs在自然語言處理的進步，能改善課程傳遞、促進批判性思維，並模擬複雜的臨床情境。文章全面分析了目前的應用、挑戰及未來研究方向，特別是像ChatGPT這樣的LLMs在護理教育中的使用，並呼籲整合人工智慧以提升教育成果，確保道德與有效性。 PubMed DOI

Leveraging large language models to construct feedback from medical multiple-choice Questions.
利用大型語言模型構建醫學多選題的反饋。 Sci Rep 2024-11-13

這項研究探討如何利用大型語言模型（LLMs）生成內容為基礎的反饋，以提升Progress Test Medizin考試的反饋效果，超越單純的數字分數。研究比較了兩個受歡迎的LLM在生成相關見解上的表現，並調查醫療從業人員和教育工作者對LLM能力及其反饋實用性的看法。結果顯示兩者表現相似，其中一個付費的稍優，另一個則免費。參與者認為反饋相關，並願意未來使用LLM。研究結論指出，雖然LLM生成的反饋不完美，但仍可作為傳統數字反饋的有價值補充。 PubMed DOI

Large language models improve clinical decision making of medical students through patient simulation and structured feedback: a randomized controlled trial.
大型語言模型透過病人模擬和結構化反饋提升醫學生的臨床決策能力：一項隨機對照試驗。 BMC Med Educ 2024-11-28

這項研究探討如何利用大型語言模型（LLMs）來提升醫學生的臨床決策訓練，透過模擬病人互動進行。研究分為對照組和反饋組，反饋組除了模擬對話外，還獲得AI生成的表現反饋。共21名醫學生參與，使用臨床推理指標評估表現。結果顯示，反饋組經過訓練後表現顯著優於對照組，特別在情境創建和資訊獲取上。研究指出，AI模擬對話結合結構化反饋，能有效支持臨床決策訓練，提升學生的實務準備。 PubMed DOI

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

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

原始文章

站上相關主題文章列表