Use of a large language model with instruction-tuning for reliable clinical frailty scoring.
使用大型語言模型與指令調整進行可靠的臨床脆弱性評分。 J Am Geriatr Soc 2024-08-06

虛弱是健康的重要指標，反映生理衰退帶來的脆弱性。這項研究探討了使用OpenAI的GPT-3.5-turbo模型進行虛弱評分的可靠性，並比較了基本提示與包含CFS定義的指令調整提示。結果顯示，LLM的評分與人類評分者相近，且指令調整提示在多數情境中表現出高可靠性。然而，在日常生活活動資訊不足的情況下，LLM可能會高估虛弱評分。這顯示LLM在醫療評估中有潛力，但仍需進一步研究其在臨床應用的角色。 PubMed DOI

Using One-Shot Prompting of Non-Fine-Tuned Commercial Artificial Intelligence to Assess Nutrients from Photographs of Japanese Meals.
使用非微調商業人工智慧的一次性提示來評估日本餐點照片中的營養成分。 J Diabetes Sci Technol 2025-01-10

這項研究探討了使用OpenAI的GPT-4o模型透過照片來評估餐點的營養成分，並與稱重食物紀錄及營養師的評估進行比較。結果顯示，該模型在評估能量、脂肪、蛋白質、碳水化合物和鹽的表現普遍不佳，但在纖維含量的評估上卻有顯著優勢，達到0.71的相關係數，超過營養師的0.57。這顯示目前的AI方法雖然能簡化食物紀錄，但在纖維評估上較為可靠，對其他營養成分則不然。 PubMed DOI

[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges].
臨床營養中的生成式人工智慧 ChatGPT - 進展與挑戰 Nutr Hosp 2025-03-11

ChatGPT 和類似的 AI 工具在臨床營養管理上有潛力，能透過機器學習來識別風險、提供個人化介入方案，並監測病人進展。它在營養評估和計算熱量需求方面表現良好，但無法解讀非語言線索或進行身體檢查。研究顯示，雖然它在臨床指導上表現不錯，但在整合多種醫療狀況和確保餐飲計畫準確性上仍有挑戰。儘管如此，ChatGPT 在專業指導下可成為優化營養教育的有用工具。 PubMed DOI

NutriRAG: Unleashing the Power of Large Language Models for Food Identification and Classification through Retrieval Methods.
NutriRAG：透過檢索方法釋放大型語言模型在食物識別和分類中的力量。 medRxiv 2025-04-01

這項研究探討了先進的自然語言處理技術如何改善食物分類和飲食分析，使用來自飲食追蹤應用的原始文本。研究分為數據收集、框架開發和應用三個階段，參與者透過 myCircadianClock 應用記錄餐點。研究人員創建了 NutriRAG 框架，結合大型語言模型如 GPT-4，提升了食物分類的準確性。結果顯示，參與者在不同飲食模式下的飲食行為有顯著變化，顯示出 NutriRAG 在個性化營養和健康問題解決上的潛力，並建議進一步研究。 PubMed DOI

Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe Acute Kidney Injury.
多中心開發與驗證多模態深度學習模型以預測中重度急性腎損傷 Clin J Am Soc Nephrol 2025-04-15

研究團隊開發了一套深度學習模型，能結合實驗室數據和臨床紀錄，準確預測住院成人48小時內發生中重度急性腎損傷（AKI）的風險，效果比只用結構化資料的模型更好，有助醫師及早發現高風險病人並介入治療。 PubMed DOI

Construction and validation of prognostic models for acute kidney disease and mortality in patients at risk of malnutrition: an interpretable machine learning approach.
有營養不良風險患者急性腎臟病與死亡率之預後模型的建構與驗證：一種可解釋的機器學習方法 Clin Kidney J 2025-04-16

這項研究用機器學習模型（特別是 LGBM）來預測有營養不良風險患者的急性腎臟疾病、急性腎損傷和死亡率，效果不錯，也找出重要風險因子。團隊還開發了 AI 網頁工具，幫助醫師早期介入治療。未來會持續優化並擴大這些工具的應用。 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

A Large Language Model Approach to Identifying Preoperative Frailty Among Older Adults From Clinical Notes.
利用大型語言模型從臨床紀錄中辨識老年人術前虛弱狀態之方法 J Am Geriatr Soc 2025-05-15

這項研究用大型語言模型（像RoBERTa和PubMedBERT）分析麻醉門診紀錄，成功辨識出病人術前的虛弱狀態，不論用哪種虛弱定義，模型表現都很準確。結果證明，LLM能有效從日常臨床紀錄中抓出像虛弱這種複雜的健康問題。 PubMed DOI

Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure.
敘述型特徵或結構化特徵？大型語言模型於辨識有心衰竭風險癌症病患之研究 AMIA Annu Symp Proc 2025-05-26

這項研究用電子健康紀錄和機器學習，預測哪些癌症病人容易發展成心臟衰竭。結果發現，大型語言模型GatorTron-3.9B表現最好，尤其是結合醫療代碼的新特徵後，明顯勝過傳統和其他深度學習模型。這方法有助於更精準找出高風險病人，提升癌症照護品質。 PubMed

Early prediction of colorectal adenoma risk: leveraging large-language model for clinical electronic medical record data.
利用大型語言模型分析臨床電子病歷資料，早期預測大腸直腸腺瘤風險 Front Oncol 2025-05-30

這項研究開發出一套高準確度、非侵入性、無輻射的機器學習模型，能用電子病歷資料提早預測大腸直腸腺瘤。結合傳統機器學習和大型語言模型，模型在驗證和測試組的AUC都約0.98，表現非常優異。此模型也能找出關鍵風險因子，適合大規模篩檢，有助降低大腸癌發生率與死亡率。 PubMed DOI

原始文章

站上相關主題文章列表