机构名称：
¥ 2.0
背景：2022年11月的Chatgpt（OpenAI）推出（OpenAI）引起了公众的关注和学术兴趣（LLMS），从而促进了许多其他创新的LLM的出现。这些LLM已应用于包括医疗保健在内的各个领域。从那以后，就如何在与健康相关的情况下使用最先进的LLM进行了许多研究。目的：本综述旨在总结有关卫生保健中对话性LLM的应用和疑虑，并为该领域的未来研究提供了议程。方法：我们使用PubMed，ACM和IEEE数字库作为本综述的主要来源。我们遵循Prisma（系统评价和荟萃分析的首选报告项目）的指导，并选择了经过同行评审的研究文章（（1）与医疗保健应用和对话llms相关的研究文章，以及（2）在2023年9月1日之前发表，当时我们是我们启动纸质纸收藏的日期。我们调查了这些论文，并根据它们的应用和疑虑对它们进行了分类。结果：我们的搜索最初根据目标关键字确定了820篇论文，其中65（7.9％）的论文符合我们的标准，并将其包括在审查中。最受欢迎的对话llm是Chatgpt（60/65，92％的论文），其次是Bard（Google LLC； 1/65，1/65，2％的论文），Llama（Meta; 1/65; 1/65，2％的论文）和其他LLMS（6/65，9％，9％的论文）。使用LLMS进行了49篇论文，用于摘要或医学知识查询，或两者兼而有之，有58（89％）的论文表达了对可靠性或偏见或两者兼而有之的担忧。这些论文分为四类申请：（1）汇总，（2）医学知识查询，（3）预测（例如，诊断，治疗建议和药物协同作用），以及（4）管理（例如，文档和信息收集），以及四个类别的问题，以及四个类别：（1）可靠性（例如，培训数据质量，三），以及准确性，和一致性，和一致性，以及一致性，以及一致性，以及一致性，以及一致性，以及一致性，以及一致性，以及一致性，以及一致性，以及一致性，（3）隐私和（4）公众可接受性。我们发现，对话llms在摘要中表现出了令人鼓舞的结果，并为精度相对较高的患者提供一般医学知识。但是，诸如chatgpt之类的对话llms并不总是能够为需要专业领域专业知识的复杂健康相关任务（例如，诊断）提供可靠的答案。虽然偏见或隐私问题通常被视为关注点，但在我们的审查论文中没有实验研究对话性LLM在医疗保健研究中如何导致这些问题。
XSL•fo
主要关键词
相关文件推荐
