„EU Artificial Intelligence Act | Up-to-date developments and analyses of the EU AI Act“. Zugegriffen: 24. Juni 2024. [Online]. Verfügbar unter: https://artificialintelligenceact.eu

A. Vaswani u. a., „Attention Is All You Need“, 1. August 2023, arXiv: arXiv:1706.03762. doi: 10.48550/arXiv.1706.03762.

Gemini Team u. a., „Gemini: A Family of Highly Capable Multimodal Models“, 17. Juni 2024, arXiv: arXiv:2312.11805. doi: 10.48550/arXiv.2312.11805.

T. B. Brown u. a., „Language Models are Few-Shot Learners“, 22. Juli 2020, arXiv: arXiv:2005.14165. doi: 10.48550/arXiv.2005.14165.

„Introducing Llama 3.1: Our most capable models to date“, Meta AI. Zugegriffen: 17. März 2025. [Online]. Verfügbar unter: https://ai.meta.com/blog/meta-llama-3-1/

„Papers with Code - MedQA Dataset“. Zugegriffen: 25. Juni 2024. [Online]. Verfügbar unter: https://paperswithcode.com/dataset/medqa-usmle

„Advancing medical AI with Med-Gemini“. Zugegriffen: 25. Juni 2024. [Online]. Verfügbar unter: http://research.google/blog/advancing-medical-ai-with-med-gemini/

J. Liu, ChangyuWang, und S. Liu, „Applications of Large Language Models in Clinical Practice: Path, Challenges, and Future Perspectives“, 22. August 2024, OSF. doi: 10.31219/osf.io/82bjd.

X. Jiang, L. Yan, R. Vavekanand, und M. Hu, „Large Language Models in Healthcare Current Development and Future Directions“, 11. Juli 2024, Preprints: 2024070923. doi: 10.20944/preprints202407.0923.v1.

J. C. C. Kwong, S. C. Y. Wang, G. C. Nickel, G. E. Cacciamani, und J. C. Kvedar, „The long but necessary road to responsible use of large language models in healthcare research“, Npj Digit. Med., Bd. 7, Nr. 1, S. 1–3, Juli 2024, doi: 10.1038/s41746-024-01180-y.

N. Bostrom und E. Yudkowsky, „The ethics of artificial intelligence“, in The Cambridge Handbook of Artificial Intelligence, K. Frankish und W. M. Ramsey, Hrsg., Cambridge: Cambridge University Press, 2014, S. 316–334. doi: 10.1017/CBO9781139046855.020.

Z. A. Nazi und W. Peng, „Large Language Models in Healthcare and Medical Domain: A Review“, Informatics, Bd. 11, Nr. 3, Art. Nr. 3, Sep. 2024, doi: 10.3390/informatics11030057.

S. Pashangpour und G. Nejat, „The Future of Intelligent Healthcare: A Systematic Analysis and Discussion on the Integration and Impact of Robots Using Large Language Models for Healthcare“, Robotics, Bd. 13, Nr. 8, Art. Nr. 8, Aug. 2024, doi: 10.3390/robotics13080112.

A. Subramanian, Z. Yang, I. Azimi, und A. M. Rahmani, „Graph-Augmented LLMs for Personalized Health Insights: A Case Study in Sleep Analysis“, 25. Juni 2024, arXiv: arXiv:2406.16252. doi: 10.48550/arXiv.2406.16252.

J. Jumper u. a., „Highly accurate protein structure prediction with AlphaFold“, Nature, Bd. 596, Nr. 7873, S. 583–589, Aug. 2021, doi: 10.1038/s41586-021-03819-2.

M. Baek u. a., „Accurate prediction of protein structures and interactions using a three-track neural network“, Science, Bd. 373, Nr. 6557, S. 871–876, Aug. 2021, doi: 10.1126/science.abj8754.

Z. Lin u. a., „Evolutionary-scale prediction of atomic-level protein structure with a language model“, Science, Bd. 379, Nr. 6637, S. 1123–1130, März 2023, doi: 10.1126/science.ade2574.

J. L. Watson u. a., „Broadly applicable and accurate protein design by integrating structure prediction networks and diffusion generative models“, 14. Dezember 2022, bioRxiv. doi: 10.1101/2022.12.09.519842.

D. de Moissac und S. Bowen, „Impact of Language Barriers on Quality of Care and Patient Safety for Official Language Minority Francophones in Canada“, J. Patient Exp., Bd. 6, Nr. 1, S. 24–32, März 2019, doi: 10.1177/2374373518769008.

D. W. Baker, R. M. Parker, M. V. Williams, W. C. Coates, und K. Pitkin, „Use and effectiveness of interpreters in an emergency department“, JAMA, Bd. 275, Nr. 10, S. 783–788, März 1996.

L. Bornmann, R. Haunschild, und R. Mutz, „Growth rates of modern science: a latent piecewise growth curve approach to model publication numbers from established and new literature databases“, Humanit. Soc. Sci. Commun., Bd. 8, Nr. 1, S. 1–15, Okt. 2021, doi: 10.1057/s41599-021-00903-w.

A. Creo, M. Lama, und J. C. Vidal, „Prompting LLMs with content plans to enhance the summarization of scientific articles“, 15. Dezember 2023, arXiv: arXiv:2312.08282. doi: 10.48550/arXiv.2312.08282.

P. Zakkas, S. Verberne, und J. Zavrel, „SumBlogger: Abstractive Summarization of Large Collections of Scientific Articles“, in Advances in Information Retrieval, N. Goharian, N. Tonellotto, Y. He, A. Lipani, G. McDonald, C. Macdonald, und I. Ounis, Hrsg., Cham: Springer Nature Switzerland, 2024, S. 371–386. doi: 10.1007/978-3-031-56027-9_23.

V. Nechakhin, J. D’Souza, und S. Eger, „Evaluating Large Language Models for Structured Science Summarization in the Open Research Knowledge Graph“, 3. Mai 2024, arXiv: arXiv:2405.02105. doi: 10.48550/arXiv.2405.02105.

M. Fonseca und S. B. Cohen, „Can Large Language Model Summarizers Adapt to Diverse Scientific Communication Goals?“, 27. Juni 2024, arXiv: arXiv:2401.10415. doi: 10.48550/arXiv.2401.10415.

„Large language models for extracting histopathologic diagnoses from electronic health records | medRxiv“. Zugegriffen: 21. März 2025. [Online]. Verfügbar unter: https://www.medrxiv.org/content/10.1101/2024.11.27.24318083v1

V. Ntinopoulos u. a., „Large language models for data extraction from unstructured and semi-structured electronic health records: a multiple model performance evaluation“, BMJ Health Care Inform., Bd. 32, Nr. 1, Jan. 2025, doi: 10.1136/bmjhci-2024-101139.

I. T. Akbasli, A. Z. Birbilen, und O. Teksam, „Human-Like Named Entity Recognition with Large Language Models in Unstructured Text-based Electronic Healthcare Records: An Evaluation Study“, 13. März 2024, Research Square. doi: 10.21203/rs.3.rs-4014476/v1.

A. Ben Abacha, W. Yim, Y. Fan, und T. Lin, „An Empirical Study of Clinical Note Generation from Doctor-Patient Encounters“, in Proceedings of the 17th Conference of the European Chapter of the Association for Computational Linguistics, A. Vlachos und I. Augenstein, Hrsg., Dubrovnik, Croatia: Association for Computational Linguistics, Mai 2023, S. 2291–2302. doi: 10.18653/v1/2023.eacl-main.168.

J. Giorgi u. a., „WangLab at MEDIQA-Chat 2023: Clinical Note Generation from Doctor-Patient Conversations using Large Language Models“, 3. Juni 2023, arXiv: arXiv:2305.02220. doi: 10.48550/arXiv.2305.02220.

E. Lehman u. a., Do We Still Need Clinical Language Models? 2023. doi: 10.48550/arXiv.2302.08091.

B. Trezzini und B. Meyer, „Repräsentative Befragung Der anhaltende Fachkräftemangel und die ­wachsende Bürokratisierung des ärztlichen Arbeitsumfelds ­haben ­spürbare Folgen. Patientinnen und Patienten sind mit längeren ­Wartezeiten auf eine ­Behandlung konfrontiert. Ärztinnen und Ärzte berichten vermehrt von B­ eeinträchtigungen ihrer eigenen Gesundheit und viele denken über einen ­Berufsausstieg nach.“, Schweiz. Ärzteztg., 2024.

„ChatGPT-4 generates orthopedic discharge documents faster than humans maintaining comparable quality: a pilot study of 6 cases - PubMed“. Zugegriffen: 17. Februar 2025. [Online]. Verfügbar unter: https://pubmed.ncbi.nlm.nih.gov/38597205/

„Journal of Medical Internet Research - Accuracy and Safety of AI-Enabled Scribe Technology: Instrument Validation Study“. Zugegriffen: 17. Februar 2025. [Online]. Verfügbar unter: https://www.jmir.org/2025/1/e64993

W. E. Hautz u. a., „Diagnoses supported by a computerised diagnostic decision support system versus conventional diagnoses in emergency patients (DDX-BRO): a multicentre, multiple-period, double-blind, cluster-randomised, crossover superiority trial“, Lancet Digit. Health, Bd. 7, Nr. 2, S. e136–e144, Feb. 2025, doi: 10.1016/S2589-7500(24)00250-4.

A. R. Schertz, K. M. Lenoir, A. G. Bertoni, B. J. Levine, M. Mongraw-Chaffin, und K. W. Thomas, „Sepsis Prediction Model for Determining Sepsis vs SIRS, qSOFA, and SOFA“, JAMA Netw. Open, Bd. 6, Nr. 8, S. e2329729, Aug. 2023, doi: 10.1001/jamanetworkopen.2023.29729.

F. Kamran u. a., „Evaluation of Sepsis Prediction Models before Onset of Treatment“, NEJM AI, Bd. 1, Nr. 3, S. AIoa2300032, Feb. 2024, doi: 10.1056/AIoa2300032.

A. Wong u. a., „External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients“, JAMA Intern. Med., Bd. 181, Nr. 8, S. 1065–1070, Aug. 2021, doi: 10.1001/jamainternmed.2021.2626.

M. T. Baysari u. a., „Qualitative study of challenges with recruitment of hospitals into a cluster controlled trial of clinical decision support in Australia“, BMJ Open, Bd. 14, Nr. 3, S. e080610, März 2024, doi: 10.1136/bmjopen-2023-080610.

J. Adler-Milstein, D. A. Redelmeier, und R. M. Wachter, „The Limits of Clinician Vigilance as an AI Safety Bulwark“, JAMA, Bd. 331, Nr. 14, S. 1173–1174, Apr. 2024, doi: 10.1001/jama.2024.3620.

J. Wei u. a., „Finetuned Language Models Are Zero-Shot Learners“, 8. Februar 2022, arXiv: arXiv:2109.01652. doi: 10.48550/arXiv.2109.01652.

J. Kaplan u. a., „Scaling Laws for Neural Language Models“, 23. Januar 2020, arXiv: arXiv:2001.08361. doi: 10.48550/arXiv.2001.08361.

H. Touvron u. a., „LLaMA: Open and Efficient Foundation Language Models“, 27. Februar 2023, arXiv: arXiv:2302.13971. doi: 10.48550/arXiv.2302.13971.

S. Min u. a., „Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?“, 20. Oktober 2022, arXiv: arXiv:2202.12837. doi: 10.48550/arXiv.2202.12837.

J. Wei u. a., „Chain-of-Thought Prompting Elicits Reasoning in Large Language Models“, 10. Januar 2023, arXiv: arXiv:2201.11903. doi: 10.48550/arXiv.2201.11903.

T. Kojima, S. S. Gu, M. Reid, Y. Matsuo, und Y. Iwasawa, „Large Language Models are Zero-Shot Reasoners“, 29. Januar 2023, arXiv: arXiv:2205.11916. doi: 10.48550/arXiv.2205.11916.