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

這篇論文回顧了人工智慧（AI）在醫療保健和醫學教育的應用，特別是截至2024年6月6日發表的研究。重點在於AI如何生成醫學考題、創建臨床劇本、提升診斷技能、作為學習輔助工具，以及自動篩選住院醫師申請等。論文強調教育者和學生理解AI的優缺點非常重要，並呼籲進一步研究以發掘AI的潛力並填補知識空白。 PubMed DOI

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

AI 在急診醫學應用越來越多，像是影像判讀、病患分級等，準確率約有 85–90%。雖然在影像判讀和醫學教育很有潛力，但要真正落實到臨床還有不少挑戰，還需要更多大型研究來驗證。 PubMed DOI

NLP和大型語言模型在醫學研究所教育中，能自動化回饋、個人化學習和能力評估，減少行政負擔並提升訓練成效。不過，演算法偏誤、隱私和倫理問題仍待解決。未來需更多研究和跨領域合作，才能安全且有效地導入這些技術。 PubMed DOI

最新系統性回顧分析21篇研究，發現AI在骨科手術教育越來越常見，主要用來提升手術技巧和知識學習，並提供個人化回饋。雖然AI有潛力改變骨科訓練，但目前證據還不夠，需要更多嚴謹研究來驗證成效。 PubMed DOI

**重點摘要：** 生成式AI和大型語言模型可以提升醫學教育的效率，並讓學習更加個人化，但同時也帶來學習品質、評量真實性和學術誠信等方面的疑慮。這篇綜述討論了這些議題，包括教學策略、AI的新角色以及可信度問題，並探討了可能的監管對策來因應這些挑戰。 PubMed DOI

AI 尤其是大型語言模型，正快速改變醫學教育，從招生、課堂到臨床學習和評量都有影響。AI 可簡化審查流程、提升學習體驗、協助臨床決策與自動評分，但也有演算法偏見、透明度不足和倫理疑慮等挑戰。建議審慎、以實證方式導入，才能負責任地應用 AI。 PubMed DOI

這篇綜述指出，AI在醫學住院醫師甄選主要用來評估偏見、預測錄取結果，以及和人工審查比較。雖然AI有助提升效率和公平性，但也可能複製偏見、適用性有限，且透明度不足。未來還需要更多研究，才能讓AI在甄選過程中更負責任且有效地運用。 PubMed DOI

這篇綜述整理了LLMs在醫療診斷的最新應用，像是疾病分類和醫學問答，特別以GPT-4和GPT-3.5為主。雖然在放射科、精神科等領域表現不錯，但還是有偏見、隱私和法規等問題。未來要加強驗證、減少偏見、提升可解釋性，並統一法規，才能讓LLMs更安全地應用在醫療上。 PubMed DOI