搜尋結果

使用者輸入 LLM for search article in Pubmed (時間範圍: all)
轉換句 LLM in Pubmed, LLM research articles in Pubmed, Latest LLM studies in Pubmed
執行時間 4.66836 秒
花費Token 116
Healthcare LLMs Go to Market: A Realist Review of Product Launch News.
醫療保健大型語言模型進入市場：產品上市新聞的現實主義回顧。 Stud Health Technol Inform / / 2024-08-23

這篇手稿針對大型語言模型（LLMs）在醫療領域的實際應用進行了回顧，重點在於產品的實施而非理論。透過Factiva資料庫的系統搜尋，作者識別出2023年1月至2024年2月間17個產品推出的23個重要紀錄，並突顯了臨床護理、醫療文件管理、保險服務及慢性病管理等四大主題。研究顯示，LLMs能提升病患護理的個性化與效率，減輕行政負擔，並支持決策。這項研究有助於理解LLMs在醫療的應用，並提供未來整合人工智慧的策略指導。 PubMed DOI

Artificial scholarship: LLMs in health professions education research.
人工智慧學術研究：醫學教育研究中的碩士學位。 Adv Health Sci Educ Theory Pract / / 2023-07-21

這篇社論討論了人工智慧，像是ChatGPT這樣的大型語言模型，可能如何影響學術論文的作者身份和權威性，同時也可能引發醫學教育領域的倫理議題。 PubMed DOI

Privacy-preserving large language models for structured medical information retrieval.
隱私保護的大型語言模型在結構化醫療信息檢索中的應用。 NPJ Digit Med / / 2024-09-20

這項研究介紹了一個開源流程，利用本地的大型語言模型（LLM）"Llama 2" 從臨床文本中提取定量數據，專注於識別失代償性肝硬化的特徵。研究在MIMIC IV數據集中測試500名患者的病歷，成功識別五個關鍵臨床特徵，敏感度達100%，特異度96%。此外，對其他病症的檢測也相當高，顯示出本地部署的LLM在提取臨床信息方面的有效性，且硬體需求低。 PubMed DOI

Comparative Evaluation of LLMs in Clinical Oncology.
臨床腫瘤學中大型語言模型的比較評估。 NEJM AI / / 2024-08-12

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

Performance of Large Language Models on a Neurology Board-Style Examination.
大型語言模型在神經學委員會風格考試中的表現。 JAMA Netw Open / / 2024-01-29

研究發現大型語言模型（LLMs）在神經學委員會風格考試中，LLM 2比LLM 1表現更好，接近及格分數，有些類別甚至超越人類。兩者在較簡單問題上表現較佳，但在較難問題上表現較差。LLM 2在臨床神經學應用有潛力，顯示在醫療保健領域LLM有發展空間，未來有望更加突顯其價值。 PubMed DOI

Fine-Tuned Large Language Model for Extracting Patients on Pretreatment for Lung Cancer from a Picture Archiving and Communication System Based on Radiological Reports.
基於放射學報告的圖像存檔和通訊系統，用於提取肺癌預處理患者的精細調校大型語言模型。 J Imaging Inform Med / / 2024-07-02

這項研究比較了一個經過微調的大型語言模型（LLM）與放射科醫師在從放射學報告中識別肺癌預防治療患者方面的表現。LLM在分類患者方面表現出高準確度和敏感度，與放射科醫師相似，但處理時間更快。研究結果表明，LLM能夠有效地及時從醫療記錄中提取相關信息。 PubMed DOI

Large language models for generating medical examinations: systematic review.
大型語言模型用於生成醫學檢查：系統性回顧。 BMC Med Educ / / 2024-04-01

這篇評論討論了使用大型語言模型（LLMs）製作醫學多重選擇題考試的議題。研究指出LLMs在產生問題上有效，但需注意部分問題不適合醫學考試，需修改。未來研究應解決這些限制，LLMs可作為撰寫醫學多重選擇題的工具，但應謹慎使用。 PubMed DOI

A systematic review of large language models and their implications in medical education.
大型語言模型在醫學教育中的影響：一個系統性回顧。 Med Educ / / 2024-04-19

使用大型語言模型（LLMs）在醫學教育可能有革新效果，解決資訊過載和時間不足等問題。研究指出LLMs對醫學生學習有正面影響，但也提到準確性和倫理挑戰。負責任地應用LLMs可增進學習體驗，但需注意準確性、技能培養和道德標準。持續評估和合作是整合LLMs在醫學教育中的關鍵。 PubMed DOI

Using artificial intelligence to generate medical literature for urology patients: a comparison of three different large language models.
使用人工智慧生成泌尿科病患的醫學文獻：三種不同大型語言模型的比較。 World J Urol / / 2024-07-29

本研究評估了三個大型語言模型（LLMs）生成的泌尿科病人資訊小冊子（PILs）品質，包括ChatGPT-4、PaLM 2和Llama 2。針對包皮環切術、腎切除術、過動膀胱症候群及經尿道前列腺切除術（TURP）進行評估。結果顯示，PaLM 2的PILs品質最佳，平均得分3.58，且最易閱讀。雖然LLMs能減輕醫療人員負擔，但內容仍需臨床醫師審查，且閱讀水平偏高，顯示需改進算法或提示設計。病人對這些小冊子的滿意度尚未評估。 PubMed DOI

Large Language Model Influence on Management Reasoning: A Randomized Controlled Trial.
大型語言模型對管理推理的影響：一項隨機對照試驗。 medRxiv / / 2024-08-16

使用大型語言模型（LLM）能顯著提升醫生在複雜管理推理任務上的表現，超越傳統資源。在一項針對92位醫生的隨機對照試驗中，使用GPT-4的醫生在管理推理任務中得分較高。研究顯示，LLM的協助能改善管理決策、診斷決策及特定案例的表現，顯示其在複雜臨床情境中做出決策的能力，特別是在缺乏明確答案的情況下。 PubMed DOI

The future landscape of large language models in medicine.
醫學中大型語言模型的未來格局。 Commun Med (Lond) / / 2023-11-18

LLMs是為處理和生成文本而設計的AI工具，如OpenAI的ChatGPT。它們能回答問題、摘要、改寫和翻譯文本，品質接近人類。在醫學等領域有廣泛應用，可民主化知識，但也可能傳播錯誤或科學不端。本文討論了在臨床、醫學研究和教育上使用LLMs的潛力和挑戰。 PubMed DOI

A comparative study of zero-shot inference with large language models and supervised modeling in breast cancer pathology classification.
大型語言模型與監督建模在乳腺癌病理分類中零樣本推論的比較研究。 Res Sq / / 2024-03-04

研究比較了GPT-4等大型語言模型和傳統監督式模型在臨床註記中提取資訊的表現。結果顯示，對於標籤不平衡的任務，大型語言模型可能比監督式模型更有效。雖然大型語言模型減少了標註數據的需求，但監督式模型搭配詳細標註仍能提供相當結果。使用大型語言模型可加速臨床自然語言處理研究，減少對精心策劃數據集的需求，潛在增進臨床研究中自然語言處理變數的應用。 PubMed DOI

Toward an Explainable Large Language Model for the Automatic Identification of the Drug-Induced Liver Injury Literature.
朝向可解釋的大型語言模型以自動識別藥物誘發肝損傷文獻。 Chem Res Toxicol / / 2024-08-27

藥物引起的肝損傷（DILI）是藥物安全性的重要議題，也是急性肝衰竭的主要原因。傳統的文獻搜尋方法因藥物相互作用的複雜性而效率不高，且手動整理容易出錯。近期，利用大型語言模型（LLMs）如LLaMA-2，研究人員開發了專門用於DILI分析的模型，並在CAMDA 2022的數據集上達到97.19%的準確率，顯示出LLMs在文獻識別上的潛力，可能簡化監管審查流程。 PubMed DOI

Large Language Models in Nursing Education: State-of-the-Art.
護理教育中的大型語言模型：最前沿技術。 Stud Health Technol Inform / / 2024-08-23

這項研究探討大型語言模型（LLMs）在護理教育中的應用，強調轉向更互動的學習環境。研究分析了自2022年以來的文獻，找出19篇相關研究。結果顯示，LLMs在自然語言處理的進步，能改善課程傳遞、促進批判性思維，並模擬複雜的臨床情境。文章全面分析了目前的應用、挑戰及未來研究方向，特別是像ChatGPT這樣的LLMs在護理教育中的使用，並呼籲整合人工智慧以提升教育成果，確保道德與有效性。 PubMed DOI

The policies on the use of large language models in radiological journals are lacking: a meta-research study.
放射學期刊中大型語言模型使用政策的不足：一項元研究。 Insights Imaging / / 2024-08-01

這項元研究評估了放射學期刊中關於大型語言模型（LLMs）使用的政策。結果顯示，43.9%的期刊有相關政策，其中43.4%針對作者，29.6%針對審稿人，25.9%針對編輯。許多期刊討論了LLM的使用細節、名稱、驗證及角色，但僅少數提及其潛在影響。研究指出，LLM政策的存在與出版商有顯著關聯，並建議制定共享的報告指導方針，以提升科學寫作的質量與透明度，強調目前的探索仍需進一步發展。 PubMed DOI

Performance of a Large Language Model in Screening Citations.
大型語言模型在篩選引用文獻中的表現。 JAMA Netw Open / / 2024-07-08

研究發現使用大型語言模型（LLM）在篩選標題和摘要時效率高且準確。GPT-4 Turbo在比較腦膜炎和敗血症臨床問題時表現優異，速度也比傳統方法快。這顯示LLM輔助篩選可提升系統性回顧效率，減少工作負擔。 PubMed DOI

Assessing the Utilization of Large Language Models in Medical Education: Insights From Undergraduate Medical Students.
評估大型語言模型在醫學教育中的應用：來自大學醫學生的見解。 Cureus / / 2023-12-01

研究探討印度大學醫學生對使用ChatGPT和Google Bard等大型語言模型的態度。調查發現，學生對LLMs持正面看法，但實際使用不多。人們擔心過度依賴LLMs可能帶來的準確性問題。需要進一步研究LLMs對教育的全面影響。 PubMed DOI

Systematic analysis of ChatGPT, Google search and Llama 2 for clinical decision support tasks.
ChatGPT、Google 搜尋和 Llama 2 在臨床決策支援任務中的系統性分析。 Nat Commun / / 2024-03-09

研究發現GPT-4在醫學案例初步診斷、檢查和治療方面表現最佳，尤其在常見疾病方面。商業LLMs有潛力用於醫學問答，但仍需加強。開源LLMs則可應對數據隱私和培訓透明度需求。強調強大且受監管的AI模型在醫療保健領域的重要性。 PubMed DOI

The Breakthrough of Large Language Models Release for Medical Applications: 1-Year Timeline and Perspectives.
大型語言模型在醫學應用中的突破：1年時間軸和展望。 J Med Syst / / 2024-02-19

NLP中的LLMs是強大模型，能夠理解和生成人類文本。在醫療領域，可應用在聊天機器人、臨床文件和文獻。挑戰在於診斷輔助和患者分流。2023年將釋出針對醫療的LLMs，主要用於聊天機器人。跟進技術發展具有挑戰性，了解應用和限制是討論焦點。本文總結LLMs在醫學上的潛力，探討安全有效的應用。未來可能應用於決策的AI模型和虛擬臨床夥伴。 PubMed DOI

The transformative impact of large language models on medical writing and publishing: current applications, challenges and future directions.
大型語言模型對醫學寫作和出版的變革性影響：當前應用、挑戰與未來方向。 Korean J Physiol Pharmacol / / 2024-08-28

大型語言模型（LLMs）對醫學寫作和出版影響深遠，最近的綜述文章強調了其應用、挑戰及未來影響。調查顯示，LLMs在科學寫作中被廣泛使用，帶來了許多好處與挑戰。它們在文獻搜尋、研究設計、寫作輔助等方面表現出色，並在同行評審過程中也扮演重要角色。為了確保學術工作的完整性，研究人員需驗證AI生成內容的準確性，並建立人類與AI的協作流程。未來需解決LLMs的限制，並持續更新相關政策，以維護醫學寫作的品質。 PubMed DOI