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

GenAI LLMs，如ChatGPT，有潛力在醫療保健領域帶來重大影響。研究指出，這些技術可改善醫療服務效率，但也需面對道德及安全挑戰。未來應該加強研究，專注於實證或臨床領域，以推動這些技術在醫療保健中的應用。 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

這篇文章探討了人工智慧（AI）技術，特別是像ChatGPT這類大型語言模型在醫療領域的應用。文章指出，這些工具能幫助醫療人員簡化病人教育、溝通、醫療紀錄摘要及研究等工作。不過，對於這些工具是否適合臨床使用，以及醫療工作者的接受度，仍有一些疑慮。文章旨在讓護理人員了解可用的AI工具，幫助他們評估這些技術在臨床實踐中的必要性與影響，確保能以道德且有效的方式提升病人護理品質。 PubMed DOI

這篇綜述論文探討了醫療人工智慧（AI）的最新進展，特別是基礎模型和大型語言模型的應用。它提出了一個新的分類框架，將模型分為特定疾病、一般領域和多模態三類。論文還指出了數據獲取和增強等挑戰，包括數據量、標註、隱私等問題。此外，還討論了醫療AI模型的評估和監管，強調其在醫療保健中的潛力。最後，論文呼籲持續改進、數據安全和標準化評估，以確保AI在臨床實踐中的有效整合。 PubMed DOI

生成式人工智慧（AI）及大型語言模型（LLMs）在健康技術評估（HTA）中的應用越來越受到重視，主要可用於系統性文獻回顧、實證數據分析及健康經濟模型。AI能自動化文獻回顧過程，提高效率；在實證數據方面，能分析大量資料，提供臨床決策的洞見；在健康經濟模型中，則可支持模型的整體發展。然而，這些應用仍面臨科學嚴謹性、可靠性及數據隱私等挑戰，需謹慎整合並持續評估其效益與風險。 PubMed DOI

這項調查探討了基礎模型（FMs）在人工智慧中的影響，特別是它們如何與聯邦學習（FL）結合應用於生物醫學研究。像ChatGPT、LLaMa和CLIP等模型透過無監督預訓練和人類反饋強化學習，提升了機器學習的能力，能處理臨床報告和診斷影像等多種數據。結合基礎模型與聯邦學習，不僅能分析數據，還能保護醫療數據隱私，改善醫療診斷和個性化治療。調查也指出了當前的挑戰，並建議未來的研究方向，以促進醫療保健的創新。 PubMed DOI

基礎模型（FMs）是大型深度學習模型，透過自我監督學習在廣泛數據集上訓練，已在醫療領域取得成功。這項調查提供FMs在醫療中的歷史、學習策略、主要模型及應用的深入分析，特別是BERT和GPT如何影響臨床語言處理、醫學影像分析等領域。儘管FMs帶來許多機會，但也面臨挑戰，調查指出未解的研究問題，為研究人員和實務工作者提供見解，以促進FMs的應用並應對潛在風險。 PubMed DOI

衛星影像的可用性不斷提升，讓地球表面地圖的繪製加速，但準確性仍受限於現場數據不足。公民科學計畫如Geo-Wiki和Picture Pile雖有效收集數據，但仍需更佳策略來優化志願者的時間與努力。雖然部分專案已開始使用機器學習，生成式AI的潛力尚未被充分利用。本文探討如何透過生成式AI改善土地覆蓋與使用的繪製，特別是整合多模態大型語言模型（MLLMs），以提升AI的空間意識，進而增強數據收集與繪圖的效率。 PubMed DOI

生成式人工智慧正逐漸成為地理人工智慧（GeoAI）中不可或缺的一環，尤其在健康應用上。這篇論文是《國際健康地理學期刊》2025年發表的系列文章之一，聚焦於「生成革命」。文中介紹了第二篇文章，將探討人工智慧基礎模型在地理空間健康應用中的角色，並討論相關挑戰及未來研究方向。 PubMed DOI