隨著人工智慧工具的普及，患者和醫療專業人員越來越依賴這些工具提供的醫療資訊。本研究評估了五個大型語言模型（LLaMA 1、PaLM 2、Claude-v1、GPT-3.5和GPT-4）在2044個腫瘤學相關問題上的表現。結果顯示，GPT-4在與人類基準比較中表現最佳，達到第50百分位以上。雖然GPT-4的準確率高達81.1%，但所有模型仍存在顯著錯誤率，顯示出持續評估這些AI工具的重要性，以確保其安全應用於臨床實踐。 PubMed DOI

大型語言模型（LLMs），如OpenAI的GPT系列，在醫學領域展現潛力，特別是在腫瘤學中。研究評估了LLM在分類化療引起的主觀毒性方面的能力，結果顯示LLM在一般毒性類別的準確率為85.7%，但在特定類別的準確率僅為64.6%。雖然LLM的表現與腫瘤科醫生相當，但特定類別的準確性仍需改進。未來研究應聚焦於真實病人的驗證及即時互動能力，並考量數據準確性和隱私等倫理問題。總體而言，LLMs有潛力提升病人護理質量與效率。 PubMed DOI

這項研究評估了三種大型語言模型（LLMs）—GPT-3.5、GPT-4和Chatsonic—在北美藥師執照考試（NAPLEX）練習題上的表現。結果顯示，GPT-4的準確率最高，McGraw Hill題組達87%，RxPrep題組達83.5%。相比之下，GPT-3.5和Chatsonic的表現較差，尤其在選擇所有正確答案的問題上。GPT-4在不良藥物反應（ADR）問題上表現特別優異，顯示其在藥學教育中的潛在應用價值。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT 4.0、Bard 和 LLaMA—在提供免疫檢查點抑制劑（ICIs）相關眼部毒性資訊的表現。研究提出八個問題，並由四位眼科醫生使用6點李克特量表評分。結果顯示，三者在準確性和完整性上評分相似，無顯著差異。平均評分為：ChatGPT（準確性4.59，完整性4.09）、Bard（準確性4.59，完整性4.19）、LLaMA（準確性4.38，完整性4.03）。整體而言，這三個模型在提供ICI眼部毒性資訊方面表現良好，但評分者之間的可靠性較低，建議未來需進一步研究。 PubMed DOI

這項研究評估了兩個受歡迎的大型語言模型（LLMs）在臨床決策支持（CDS）方面的潛力，類似於美國FDA授權的設備功能。研究發現，這些LLM能在不同情境下生成類似設備的決策支持，甚至在遵循FDA規範的情況下也能做到。這引發了對LLM可能無意中提供未經授權醫療建議的擔憂，強調了在臨床應用中需要謹慎監督和規範的重要性。 PubMed DOI

最近在人工智慧（AI）領域，特別是大型語言模型（LLMs）如GPT-3.5和GPT-4，顯示出在醫療應用上的潛力。本研究探討將這些模型整合進良好實踐（GxP）驗證系統的可行性，重點在效能和可重複性。研究比較外部和內部託管的模型在命名實體識別（NER）和關係提取的表現，發現Zephyr-7b-beta模型在少樣本學習中表現優於GPT-3.5。儘管GPT-4的表現不錯，但在可重複性上仍有挑戰，建議利用GPT模型生成註釋提案作為微調訓練數據的基礎。 PubMed DOI

這項研究探討大型語言模型（LLMs）在藥理學中的挑戰，因為缺乏全面的測試集。研究團隊創建了一個包含藥物資訊檢索、先導化合物結構優化及研究趨勢分析的測試集，並評估了GPT-3.5和GPT-4的表現。結果顯示這兩個模型在藥物特性、動力學及毒性預測等方面表現優異，但在藥物識別和互動資訊檢索上仍有不足。研究建議透過檢索增強生成（RAG）方法，整合專業知識庫，以提升LLMs在藥理學的應用效果。 PubMed DOI

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

這項評估針對五種大型語言模型（LLMs）在重症護理藥物治療問題上的表現進行測試，結果顯示ChatGPT-4的準確性最高，達71.6%。LLMs在知識回憶問題上表現較好，但在知識應用問題上則不及藥學博士學生（學生準確性81%）。使用思考鏈提示可提升ChatGPT-4的準確性至77.4%。這顯示LLMs在特定領域仍需進一步訓練，以改善其應用能力，對於全面藥物管理的使用應謹慎。 PubMed DOI

這項研究比較 GPT-4o、Llama 3.1 和 Qwen 2.5 在癌症基因變異臨床分類的表現，發現 GPT-4o 準確率最高。LLMs 在有明確證據時表現佳，但遇到證據較弱的變異時一致性較差，且容易過度分類。透過 prompt 設計和檢索增強生成可提升準確度。整體來說，LLMs 有潛力，但臨床應用還需再優化。 PubMed DOI