搜尋結果

使用者輸入 NotebookLM 應用於醫療場景 (時間範圍: all)
轉換句 NotebookLM in healthcare applications, 使用NotebookLM於醫療場景的案例, NotebookLM在醫療領域的應用研究
執行時間 6.01673 秒
花費Token 152
Application of NotebookLM, a large language model with retrieval-augmented generation, for lung cancer staging.
NotebookLM 在肺癌分期中的應用：一種具有檢索增強生成的大型語言模型。 Jpn J Radiol / / 2024-11-25

這項研究評估了NotebookLM這款檢索增強生成大型語言模型（RAG-LLM）在肺癌分期中的有效性。透過整合日本肺癌分期指引的可靠外部知識，NotebookLM在100個虛構案例中達到86%的診斷準確率，表現優於金標準的GPT-4 Omni，後者在提供外部知識時準確率僅39%。NotebookLM在定位參考資料方面也表現出色，準確率高達95%。研究顯示，NotebookLM在臨床影像診斷中具備更高的可靠性與實用性，特別是在放射學領域。 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

Efficient healthcare with large language models: optimizing clinical workflow and enhancing patient care.
大型語言模型的高效醫療：優化臨床工作流程並增進病患照護。 J Am Med Inform Assoc / / 2024-01-26

LLMs可協助自動化醫療行政工作，減輕醫師電子病歷負擔，提升病人護理。應注意安全、隱私、法規合規，並強調LLMs應輔助而非取代人類關懷。結合LLMs與專業知識可提升病人護理品質。在臨床環境中謹慎實施LLMs至關重要。 PubMed DOI

Practical Applications of Large Language Models for Health Care Professionals and Scientists.
大型語言模型在醫療專業人員和科學家中的實用應用。 JMIR Med Inform / / 2024-09-05

這篇文章強調在醫療和研究領域中，如何安全有效地使用大型語言模型（LLMs），特別是對於經驗較少的專業人士。文中列出六個實用案例，包括自訂翻譯、精煉文本、生成概述、編纂想法、創建個性化教育材料，以及促進智識討論。此外，還提供了一些使用AI工具的注意事項和策略。儘管面臨挑戰，將LLMs整合進醫療和研究工作中，能有效提升生產力和效率。 PubMed DOI

Use of a Large Language Model to Assess Clinical Acuity of Adults in the Emergency Department.
使用大型語言模型評估急診室成年人臨床嚴重程度。 JAMA Netw Open / / 2024-05-07

研究發現大型語言模型在緊急室評估臨床嚴重程度時表現優異，準確率高達89%，比起人類分類更準確。LLM表現與部分醫師評審相當，顯示將其整合到緊急室工作流程可能有助於改善分流流程，並不影響質量。這項研究結果指出在這個領域還有進一步研究的必要。 PubMed DOI

The application of large language models in medicine: A scoping review.
大型語言模型在醫學中的應用：一項範疇性回顧。 iScience / / 2024-05-15

研究探討大型語言模型在醫學上的應用，分析了550篇相關研究。LLMs已經在醫學診斷、寫作、教育和管理方面帶來改善。它們有助於起草文件、培訓和研究。挑戰在於上下文和過度依賴。研究強調了與驗證、倫理和傳統實踐的整合。未來研究應該探索多模式LLMs、算法理解和負責任使用。 PubMed DOI

Large language models in medicine: A review of current clinical trials across healthcare applications.
醫學中的大型語言模型：當前醫療應用臨床試驗的回顧。 PLOS Digit Health / / 2024-11-19

這篇評論探討了大型語言模型（LLMs）在醫療領域的臨床試驗現狀，共識別出27個試驗，其中5個已發表，22個仍在進行中。這些試驗涵蓋病人照護、數據管理、決策支持和研究協助等四大領域。雖然已發表的試驗顯示出潛在好處，但也引發了對準確性的擔憂。正在進行的試驗則探索病人教育和知情同意等創新應用。評論還指出評估LLMs快速變化特性的挑戰，並強調未來研究的方向。 PubMed DOI

Clinical risk prediction using language models: benefits and considerations.
使用語言模型進行臨床風險預測：好處與考量。 J Am Med Inform Assoc / / 2024-02-27

研究探討利用語言模型強化電子健康記錄的風險預測。提出兩種新方法「LLaMA2-EHR」和「Sent-e-Med」，利用病歷文本預測診斷結果，表現優於先前方法，特點是少量樣本學習和適應醫學詞彙。但結果受提示影響，語言模型安全問題尚待解決，建議謹慎使用。 PubMed DOI

Large Language Models and Healthcare Alliance: Potential and Challenges of Two Representative Use Cases.
大型語言模型與醫療聯盟：兩個代表性使用案例的潛力與挑戰。 Ann Biomed Eng / / 2024-02-03

大型語言模型（LLMs）在自然語言處理領域有潛力，可加速臨床實踐，如診斷、預防和治療。智能對話系統運用LLMs被視為治療的未來，尤其是在ChatGPT時代。這研究專注於在醫療保健領域運用LLMs，特別關注認知衰退和產後抑鬱。討論LLMs在醫療保健中的好處，如增進臨床任務和提供個人化醫療，以及相關擔憂，如數據隱私和公平性。這有助於全球討論將LLMs整合到醫療系統中。 PubMed DOI

Large Language Models in Medicine: The Potentials and Pitfalls : A Narrative Review.
醫學中的大型語言模型：潛力與陷阱：敘事性評論。 Ann Intern Med / / 2024-02-21

大型語言模型（LLMs）是訓練在大量文本資料上的先進人工智慧模型，目的是模擬人類的表現。在醫療保健領域中，LLMs的應用越來越廣泛，用來回答醫學問題和生成臨床報告等任務。LLM公司與醫療系統的合作將這些模型帶入更貼近真實臨床應用的領域。醫療保健提供者需要了解LLMs的發展、應用以及在醫療環境中可能面臨的挑戰。這篇文章旨在教育醫療專業人士有關醫學中的LLMs，包括了它們在目前景觀中的應用以及未來在醫療領域的改進。 PubMed DOI

Large language models in patient education: a scoping review of applications in medicine.
大型語言模型在病人教育中的應用：醫學領域的範疇回顧。 Front Med (Lausanne) / / 2024-11-13

這篇回顧探討大型語言模型（LLMs）在病人教育和參與中的應用，分析了201項主要來自美國的研究，並提出六個關鍵主題，包括生成病人教育材料、解釋醫療資訊、提供生活方式建議等。研究顯示，LLMs能有效生成易懂的內容，改善病人與醫療提供者的溝通，但也存在可讀性、準確性及偏見等問題。未來需進一步研究以提升LLM的可靠性，並解決其在醫療應用中的倫理挑戰。 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

[An LLM for a friend.].
[為朋友準備的法學碩士學位]. Recenti Prog Med / / 2024-07-16

大型語言模型（LLMs）有潛力幫助醫生診斷和改善與患者溝通，提升醫療品質。然而，數據隱私、數位素養不足及整合到臨床工作流程的挑戰限制了應用。為了充分發揮潛力，必須培訓醫護人員使用LLMs，並促進跨學科研究，將人工智慧轉化為智慧增強。 PubMed DOI

Distilling large language models for matching patients to clinical trials.
提煉大型語言模型以將患者配對至臨床試驗。 J Am Med Inform Assoc / / 2024-04-19

這項研究比較了不同大型語言模型在將病患配對到醫療臨床試驗上的效果。研究發現，當開源模型在專門的數據集上進行微調時，其表現可以與專有模型媲美。這項研究展示了開源模型在醫療應用中的潛力，並提供了一個數據集和一個經過微調的模型供公眾使用，以鼓勵在這個領域進行更多研究。 PubMed DOI

A large language model-based clinical decision support system for syncope recognition in the emergency department: A framework for clinical workflow integration.
基於大型語言模型的急診部昏厥識別臨床決策支持系統：臨床工作流程整合的框架。 Eur J Intern Med / / 2024-09-28

這篇論文探討大型語言模型（LLMs）在急診部改善暈厥識別的應用，並利用自然語言處理（NLP）分析電子病歷（EMRs）。研究基於意大利語和多語言BERT模型，創建了兩個針對「分診」和「病史」的模型。分診模型在意大利BERT中達到0.95的AUC，多語言BERT則為0.94；病史模型在意大利BERT中達到0.98的AUC，多語言BERT為0.97。這些模型能有效識別暈厥病例，甚至在病歷中未明確提及的情況下，也能辨識出相關症狀，顯示LLMs對醫療專業人員有助於區分暈厥與其他短暫意識喪失的價值。 PubMed DOI

Large language models can effectively extract stroke and reperfusion audit data from medical free-text discharge summaries.
大型語言模型能有效地從醫療自由文本出院摘要中提取中風和再灌注審核數據。 J Clin Neurosci / / 2024-09-21

這項初步研究探討了大型語言模型（LLM），特別是LLaMA3，如何從三級醫院的出院摘要中提取中風審核數據。研究分析了一個月內的中風住院病人出院摘要，成功提取144個數據點，LLM的準確率高達93.8%（135個正確）。結果顯示，LLM能有效提升中風審核數據的收集效率，並建議進一步研究以優化LLM與醫療專業人員的合作。 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

Applying Large Language Models to Interpret Qualitative Interviews in Healthcare.
應用大型語言模型解讀醫療領域的質性訪談。 Stud Health Technol Inform / / 2024-08-23

這項研究探討如何利用大型語言模型（LLMs）來改善醫療領域的質性訪談數據解釋。傳統的主題建模方法常常過於簡化，難以捕捉患者和醫療專業人員的細微經驗。研究發現，LLMs在數據解釋的效率和深度上表現更佳，顯示它們在整合人類觀點進入可持續醫療系統的發展中，可能扮演重要角色，並有助於解決該領域的挑戰。 PubMed DOI