Unlocking the potential of advanced large language models in medication review and reconciliation: A proof-of-concept investigation.
釋放先進大型語言模型在藥物審查和調解中的潛力：一項概念驗證研究。 Explor Res Clin Soc Pharm 2024-09-11

這項研究評估了大型語言模型（LLMs）在藥物審查中的表現，特別是劑量錯誤、藥物相互作用及基因組學建議的能力。研究測試了四個LLM，發現ChatGPT在劑量方案上表現良好，但對simvastatin的問題有例外。所有LLM都能識別warfarin的相互作用，但錯過metoprolol和verapamil的相互作用。Claude-Instant在治療監測上提供適當建議，而Gemini在基因組學上表現不錯。研究指出，LLM在藥物審查中有潛力，但整合進醫療系統對病人安全至關重要。 PubMed DOI

Developing Topics.
發展主題。 Alzheimers Dement 2025-01-09

癡呆症的診斷在全球醫療中面臨挑戰，主要因為其複雜性及電子健康紀錄的不一致性。傳統診斷方法可能會漏掉或錯誤識別病例，因此需要改進工具。本研究探討人工智慧（AI）及大型語言模型（LLMs）在提升癡呆症檢測的潛力。研究結果顯示，使用GPT-4的患者紀錄聚合方法達到最高準確率0.86，顯示大型語言模型能顯著改善癡呆症診斷的準確性，優於傳統方法。 PubMed DOI

Using Large Language Models to Detect and Understand Drug Discontinuation Events in Web-Based Forums: Development and Validation Study.
使用大型語言模型檢測和理解網路論壇中的藥物中斷事件：開發與驗證研究。 J Med Internet Res 2025-01-30

這項研究探討如何利用大型語言模型（LLMs），如BART和GPT-4，從MedHelp論壇的用戶評論中識別藥物停用事件（DDEs）。DDEs對藥物依從性和病人結果至關重要，但研究仍不多。研究人員建立了一個靈活的框架，並發布了首個開源DDE數據集，以促進後續研究。結果顯示，GPT-4o在識別根本原因上表現優異，而BART在檢測DDEs方面最有效。這項研究顯示了LLMs在分析公開數據的潛力，並鼓勵進一步探索。 PubMed DOI

Navigating the potential and pitfalls of large language models in patient-centered medication guidance and self-decision support.
在病人中心的藥物指導和自我決策支持中，探索大型語言模型的潛力與陷阱。 Front Med (Lausanne) 2025-02-07

大型語言模型（LLMs）正在改變病患用藥管理的教育方式，提供易於取得的資訊，協助醫療決策。這些AI工具能詳細說明藥物相互作用、副作用及緊急護理協議，幫助病患做出明智的用藥選擇。不過，仍有挑戰，如錯誤資訊的風險及缺乏個別病患數據的準確性問題。當病患過度依賴AI建議時，安全性問題更為突出。這篇分析探討了LLMs的能力與限制，並強調監管監督的重要性，以確保這些工具輔助而非取代專業醫療建議。 PubMed DOI

An adaptive language model-based intelligent medication assistant for the decision support of antidepressant prescriptions.
基於自適應語言模型的智能藥物助手，用於抗憂鬱藥物處方的決策支持。 Comput Biol Med 2025-03-27

這篇論文探討了一個智能藥物助手的開發，目的是透過個性化的藥物建議來改善抑鬱症治療。助手利用先進技術，如大型語言模型（LLMs），分析病人的病歷和健康狀況，提供更準確的建議。研究分析了40個需要精神科監測的案例，測試了十個LLMs，結果顯示商業模型GPT-4的表現優於開源模型Llama-3，顯示出在心理健康領域的顯著進步。 PubMed DOI

A scoping review on generative AI and large language models in mitigating medication related harm.
關於生成式人工智慧和大型語言模型在減輕藥物相關傷害中的範疇回顧。 NPJ Digit Med 2025-03-29

與藥物相關的傷害對全球醫療成本和病人結果影響深遠。生成式人工智慧（GenAI）和大型語言模型（LLM）在降低這些風險上展現潛力。本次回顧分析了2012年1月到2024年10月的文獻，找到3988篇文章，最終納入30篇。GenAI和LLM的應用可分為三個領域：識別藥物相互作用、提供臨床決策支持及增強藥物監測。雖然這些模型在早期識別不良藥物事件上有潛力，但尚缺乏前瞻性測試，需進一步研究其整合與實際應用。 PubMed DOI

Estimating depression severity in narrative clinical notes using large language models.
使用大型語言模型估計敘事臨床筆記中的抑鬱嚴重性。 J Affect Disord 2025-04-05

這項研究探討病人自報結果量表（PROMs），特別是PHQ-9，對門診抑鬱症治療紀錄質量的影響。研究分析了18,000份臨床筆記，重點在2019至2024年期間的就診紀錄。主要發現顯示，參與者平均年齡46.3歲，大多數為女性，PHQ-9平均分數較低，只有4.8%符合中度或以上的抑鬱症狀。雖然大型語言模型（LLM）能提供一些見解，但在移除實際分數後，準確性不佳，顯示依賴PROMs可能導致精神症狀紀錄不夠全面。 PubMed DOI

Minimizing STOPP and Beers Criteria Risks in PIM Treatments Using PM-TOM and ChatGPT: A Case Study.
使用 PM-TOM 和 ChatGPT 最小化 PIM 治療中的 STOPP 和 Beers 標準風險：案例研究。 Stud Health Technol Inform 2025-04-09

這項研究強調結合PM-TOM（個人化醫療-治療優化方法）與AI工具如ChatGPT，以提升老年人多重用藥的治療效果。案例中，一位營養不良且有多種健康問題的老年女性，PM-TOM識別出她的用藥方案存在風險。透過ChatGPT的建議，調整了她的用藥，包括將omeprazole換成famotidine等，旨在減少不良藥物反應並符合老年醫療標準。這顯示PM-TOM與AI在改善臨床決策及管理多重用藥方面的潛力，有助於降低疾病負擔與醫療成本。 PubMed DOI

Evaluating a customised large language model (DELSTAR) and its ability to address medication-related questions associated with delirium: a quantitative exploratory study.
評估定制的大型語言模型 (DELSTAR) 及其解決與譫妄相關的用藥問題的能力：一項定量探索性研究。 Int J Clin Pharm 2025-04-10

這項研究探討了名為DELSTAR的客製化大型語言模型，旨在協助臨床藥學研究，特別是針對藥物相關的譫妄問題。研究評估DELSTAR在回答複雜臨床問題上的能力與表現，結果顯示其提供的資訊比傳統文獻回顧更準確且全面。DELSTAR的基礎模型中，GPT-3.5和GPT-4o表現最佳，但仍需改進數據品質和性能。總體而言，DELSTAR在臨床藥學研究中展現潛力，建議進一步微調以提升效能。 PubMed DOI

Evaluating Large Language Models in Cardiovascular Antithrombotic Care: Performance, Accuracy, and Implications for Clinical Practice.
心血管抗血栓治療中大型語言模型的評估：表現、準確性及其對臨床實務的影響 Can J Cardiol 2025-04-16

這項研究發現，Claude 3 Opus 在心血管抗凝治療案例的準確度勝過其他大型語言模型和臨床醫師，正確率達85%。部分LLMs表現媲美甚至超越有經驗醫師，但免費版模型有時會給出不佳或不安全的建議。所有LLMs在生活型態和飲食建議上表現穩定。研究提醒，醫療決策時應謹慎選用並驗證LLMs。 PubMed DOI

原始文章

站上相關主題文章列表