Large language models to identify advance care planning in patients with advanced cancer.
大型語言模型在晚期癌症患者中識別預立醫療計劃。 J Pain Symptom Manage 2024-11-25

這項研究評估大型語言模型（LLMs）在識別晚期癌症患者的預立醫療計畫（ACP）文件的有效性。研究在達納法伯癌症中心進行，將LLM的表現與傳統手動查閱和自然語言處理（NLP）方法比較。使用GPT-4，研究聚焦於護理目標、生命延續治療限制及安寧緩和醫療等關鍵領域。結果顯示LLM在敏感性和特異性上表現良好，整體準確率介於0.81到0.91之間，特別在複雜主題上優於NLP。雖然精確度略低，但LLM的假陽性對臨床管理仍具相關性，建議進一步研究以增強此方法。 PubMed DOI

The Transformative Potential of Large Language Models in Mining Electronic Health Records Data: Content Analysis.
大型語言模型在挖掘電子健康紀錄數據中的變革潛力：內容分析。 JMIR Med Inform 2025-01-02

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在從腫瘤科電子健康紀錄中提取患者共病情況的表現。研究分析了250份病歷報告，結果顯示GPT-4在敏感性上表現優於GPT-3.5和醫生，達到96.8%。雖然醫生在精確度上稍勝一籌，但GPT-4的表現更一致，且能推斷出非明確的共病情況。整體而言，這些模型在提取資訊方面顯示出潛力，可能成為數據挖掘的重要工具。 PubMed DOI

Integrating large language models with human expertise for disease detection in electronic health records.
將大型語言模型與人類專業知識整合以進行電子健康紀錄中的疾病檢測。 Comput Biol Med 2025-04-08

這項研究開發了一種利用大型語言模型（LLMs）從電子健康紀錄（EHR）中識別健康狀況的策略，解決了手動標記的繁瑣問題。研究將2015年的心臟登記隊列與阿爾伯塔省的EHR系統結合，分析臨床筆記以檢測急性心肌梗塞、糖尿病和高血壓。結果顯示，LLM方法在敏感度和陰性預測值上優於傳統ICD代碼，且檢測趨勢穩定。這種方法有潛力提升EHR在即時疾病監測中的應用效率。 PubMed DOI

Large Language Models in Breast Cancer Reconstruction: A Framework for Patient-Specific Recovery and Predictive Insights.
乳腺癌重建中的大型語言模型：患者特定恢復和預測洞察的框架。 SLAS Technol 2025-04-11

乳癌重建在癌症治療中扮演重要角色，通常與手術同時進行以促進病人恢復。本研究提出一個新框架，利用自然語言處理（NLP）和大型語言模型（LLMs），增強病人的恢復預測。透過BioBERT進行數據處理，並使用ChatGPT-4和Gemini提供個性化的重建成功率和併發症見解。研究顯示，這些模型的準確率高達98.4%和98.7%，並能有效預測術後情況，提升病人生活品質。這項技術結合了計算與生命科學，為臨床醫生提供強大工具。 PubMed DOI

AI Driven Cardiovascular Risk Prediction Using NLP and Large Language models for Personalized Medicine in Athletes.
運用人工智慧驅動的心血管風險預測：利用自然語言處理和大型語言模型在運動員個人化醫療中的應用。 SLAS Technol 2025-04-11

這項研究探討心血管韌性對運動員健康和表現的影響，並利用自然語言處理（NLP）和大型語言模型（LLMs）進行生物醫學診斷。研究針對心電圖和臨床記錄等數據集的挑戰，提出了一個混合機器學習框架，結合狼群搜索演算法和RoBERTa模型，提升心血管疾病預測準確性。該系統達到92.5%的準確率，顯示NLP技術在個人化醫療中的潛力，能優化心臟病患者的治療，並改善早期疾病檢測和臨床決策能力。 PubMed DOI

Mapping the Advanced-Stage Epithelial Ovarian Cancer Landscape Goes Beyond Words: Two Large Language Models, Eight Tasks, One Journey.
超越文字的晚期上皮卵巢癌景觀映射：兩個大型語言模型，八個任務，一段旅程。 J Clin Med 2025-04-12

本研究探討了深度學習模型在預測晚期上皮性卵巢癌患者手術結果的有效性，特別是使用非結構化的手術筆記。評估了RoBERTa和GatorTron兩個模型，結果顯示GatorTron在大多數任務中表現優於RoBERTa，顯示專為醫療設計的模型在理解醫療語言上有明顯優勢。不過，兩者在預測術後併發症和住院時間時仍面臨挑戰，顯示手術文本不足以全面反映術後恢復的複雜性。這些發現對提升患者護理質量的醫療AI系統發展至關重要。 PubMed DOI

Large Language Models and Artificial Neural Networks for Assessing 1-Year Mortality in Patients With Myocardial Infarction: Analysis From the Medical Information Mart for Intensive Care IV (MIMIC-IV) Database.
用於評估心肌梗塞患者一年內死亡率之大型語言模型與人工神經網路：來自加護病房醫療資訊資料庫 MIMIC-IV 的分析 J Med Internet Res 2025-05-12

這項研究比較三種AI模型預測急性心肌梗塞病患一年內死亡率的準確度。結果顯示，傳統人工神經網路（SWEDEHEART-AI）表現最好，預測能力優於兩個大型語言模型（Qwen-2和Llama-3）。雖然LLM有潛力，但目前在臨床風險預測上還不如傳統模型，未來還需加強其準確度與校正能力。 PubMed DOI

Comparing Text-Based Clinical Risk Prediction in Critical Care: A Note-Specific Hierarchical Network and Large Language Models.
重症醫療中文本式臨床風險預測之比較：特定病歷紀錄分層網路與大型語言模型 IEEE J Biomed Health Inform 2025-05-27

這篇研究發現，針對不同臨床紀錄類型設計的NLP模型，在預測住院死亡風險上，比傳統方法和34種大型語言模型（LLMs）都更準確。雖然LLMs在其他領域很強，但在這個任務上表現不佳，顯示現有LLMs在臨床應用上還有限制。這個新模型也有助於找出最有用的臨床紀錄。 PubMed DOI

A Primer on Large Language Models (LLMs) and ChatGPT for Cardiovascular Healthcare Professionals.
心血管醫療專業人員的大型語言模型（LLMs）與 ChatGPT 入門指南 CJC Open 2025-05-28

生成式AI像ChatGPT，已經在心臟科協助衛教、簡化資訊和提升行政效率。不過，目前還無法解讀影像，且有錯誤資訊和偏見的風險。未來若能結合語言和影像分析，診斷會更精準，但仍需嚴格監督和倫理規範，確保安全有效。 PubMed DOI

Leveraging large language models for preoperative prevention of cardiopulmonary bypass-associated acute kidney injury.
運用大型語言模型於心肺繞道相關急性腎損傷的術前預防 Ren Fail 2025-05-30

這項研究開發了一套新模型，把臨床資料轉成文字，再結合數值資訊，利用大型語言模型來預測心肺繞道手術前發生急性腎損傷的風險，準確率高達AUC 0.92。研究也找出哪些術前和術中措施有助預防AKI，能幫助醫師更早預測並預防相關風險。 PubMed DOI

原始文章

站上相關主題文章列表