本研究评估了八个大型语言模型在六个数据集和四个摘要任务上的表现，发现大型语言模型在临床文本摘要任务中优于人工摘要。研究还分析了自然语言处理指标与医生评分的相关性，以提高对指标与医生喜好的理解。结果表明将大型语言模型整合到临床工作流程中可以减轻文档负担，使医生能够更多关注个性化患者护理和其他医学环节。

该研究提出了一种新方法，通过分析在线患者经验叙述来建模患者情绪。揭示了与患者 - 医护人员互动和临床结果相关的关键情绪主题。开发了一种概率上下文特定的情绪推荐系统，可以预测多标签情绪和二进制情绪。该方法为个性化患者护理提供了透明、经济高效的方式来理解患者反馈。

本研究使用八个大型语言模型，应用领域适应方法在多个临床文本摘要任务中超越人工专家，减轻文档负担，使临床医生能够更多关注个性化患者护理和其他医学中不可替代的人工环节。

本研究使用八个大型语言模型，应用领域适应方法在多个临床文本摘要任务中超越人工专家，减轻文档负担，使临床医生能够更多关注个性化患者护理和其他医学中不可替代的人工环节。