Key points are not available for this paper at this time.
대규모 언어 모델(LLM)은 고급 언어 능력으로 점차 인정받고 있으며, 의료 커뮤니케이션, 환자 데이터 최적화, 수술 계획 등 다양한 분야에서 상당한 도움을 제공하고 있습니다. 우리는 ACM 및 Google Scholar를 포함한 다양한 데이터베이스에서 “의료”, “임상”, “헬스케어” 및 “LLM”과 같은 키워드로 논문을 면밀히 검색했습니다. 이 연구는 헬스케어에서 LLM의 최신 동향과 응용을 탐구하고, 해당 분야의 실무자와 연구자를 지원하기 위해 175개의 관련 출판물을 분석했습니다. 56개의 실험 데이터셋을 수집하고 여러 평가 방법을 마련했으며, 다양한 업무에 걸쳐 최첨단 LLM을 검토했습니다. 의료 질의 응답, 대화 요약, 전자 건강 기록 생성, 과학적 연구, 의료 교육, 의료 제품 안전 모니터링, 임상 건강 추론 및 임상 의사 결정을 지원하는 헬스케어 응용 프로그램에 대한 LLM의 종합 분석을 수행했습니다. 또한, 데이터 보안, 부정확한 정보, 공정성 및 편향, 표절, 저작권 및 책임을 포함한 도전 과제를 규명하였으며, 이러한 개방형 문제를 해결하기 위한 잠재적인 해결책으로는 비식별화 프레임워크, 참조, 반사실적으로 공정한 프롬프트, 개방 및 종료 제어 코드 및 규범적 기준 설정을 제시했습니다. 이 설문의 결과는 실용적인 응용 분야의 혁신을 촉진하고 학문 및 의료 커뮤니티 내의 고유한 도전 과제를 해결하는 데 깊은 영향을 미칩니다.
Wang et al. (Fri,)이 이 질문을 연구했습니다.