2022年底ChatGPT推出後，genAI引起熱議。儘管過去技術常需時日實現承諾，但genAI獨特特性及醫療生態系發展，或許更快改進行業。醫療機構可能採用genAI，調整文化、領導和工作流程，充分發揮潛力。顯示genAI或比以往技術更快為醫療帶來進步。 PubMed DOI

由大型語言模型驅動的生成式人工智慧正在以像是聊天機器人等工具，改變醫學領域。了解這些技術對於醫療專業人士來說至關重要，以有效且安全地利用其好處。本報告探討與生成式人工智慧在醫療領域相關的關鍵術語，以增進專業人士對於人工智慧驅動創新的知識和應用，以提升病患照護和生產力。 PubMed DOI

生成式人工智慧（GAI）和大型語言模型（LLM）已廣泛應用於各個領域，包括醫療保健。GAI在蛋白質結構和藥物發現等任務中有潛力，LLM則在醫療保健領域有多樣應用。區分通用LLM和專為醫療保健設計的模型至關重要，考量到這個領域的廣泛應用和相關出版物。 PubMed DOI

生成式人工智慧根據訓練數據創建新內容，被應用於各個領域，包括醫療保健。在這個情境下，使用電子病歷訓練的生成式人工智慧模型正在被開發。一篇評論討論了這些模型、它們的優缺點，並受此啟發，提出了一份針對這些模型的評估檢查表。 PubMed DOI

這篇論文討論了生成式人工智慧在醫療保健上的應用，包括診斷、藥物研發、虛擬健康助手、醫學研究和臨床決策。它強調整合生成式AI到醫療系統的優勢與挑戰，並強調解決安全和隱私問題的重要性。這研究提供未來發展生成式AI系統在醫療上的參考，也為考慮採用這些解決方案的組織提供了洞見。 PubMed DOI

生成式人工智慧（GAI）正在改變醫療保健，透過提供解決複雜問題的方案，並透過新的數據和洞察力來改善診斷、治療和照護。研究指出，GAI在醫療保健領域有許多應用，例如提供健康資訊和診斷疾病。然而，整合GAI也面臨一些挑戰，需要克服限制，才能充分發揮其潛力並革新醫療保健。 PubMed DOI

在過去一年，人工智慧（AI）在醫療保健領域的快速進展，開始顯著改善品質與安全問題。雖然我們仍在轉型初期，但AI的能力已經有了根本性的變化。與以往專注於單一任務的AI不同，現在的基礎模型和大型語言模型能夠處理多種問題，無需額外數據或重新訓練。這篇回顧將介紹基礎模型的原則、優缺點及其對醫療品質和病人安全的影響，同時也提醒我們注意新技術帶來的複雜性與風險。理解這些影響對於充分發揮AI的潛力至關重要。 PubMed DOI

這篇文章擴展了七部分系列中的介紹，重點在生成式人工智慧（Gen AI）在病理學和醫學的潛力。探討了Gen AI的應用，包括自訂聊天機器人生成診斷報告、合成影像訓練模型、數據集增強及教育情境生成。文章分類了開源與閉源模型，討論了GPT-4、Llama、Mistral、DALL-E和Stable Diffusion等流行模型的框架與限制，並回顧了所需的基本工具。最後，展望了Gen AI對醫療未來的影響，並討論隱私、偏見、倫理等相關挑戰。 PubMed DOI

這篇論文探討生成式人工智慧（GenAI）對研究生醫學教育（GME）的影響，指出其帶來的機會與風險。機會包括減輕電子健康紀錄的負擔、增強臨床模擬、個性化教育、支持研究與分析，以及改善臨床決策。不過，論文也提到風險，如AI輸出不準確、過度依賴AI資訊、學術誠信問題、潛在偏見及隱私風險。隨著GenAI技術的進步，理解其優缺點將變得相當重要。 PubMed DOI

這篇論文強調地理空間基礎模型在公共與環境健康中的潛力，特別是在數位健康監測方面。傳統模型多集中於文本，卻忽略了地理空間特徵如空間關係和流動性。作者討論了最新進展，指出這些模型能提升健康監測與評估的機會，同時也提到納入地理空間背景的挑戰及倫理考量。最後，論文主張發展多模態地理空間基礎模型，以開啟數位健康研究的新可能性。 PubMed DOI