這項研究針對類固醇敏感性腎病綜合症的兒童，探討環磷酰胺和他克莫司在減少免疫抑制的效果。分析了1996至2019年間578名兒童的數據，結果顯示環磷酰胺有28.6%達到持續緩解，而他克莫司僅14.2%。兩種藥物都能降低復發率，但持續緩解的比例仍低於三分之一，且只有少數因素能預測結果。研究強調這些藥物的短期效果，但長期持續緩解仍具挑戰。 相關文章 PubMed DOI ♡

這項研究開發了一個大型語言模型（LLM），用於根據MRI報告自動分類肝臟觀察，依據LI-RADS v2018指導方針。研究分析了291個肝臟觀察，並將其分為訓練、驗證和測試集。結果顯示，模型在LI-RADS分類上有中等一致性（κ = 0.54），對於惡性腫瘤的識別也有不錯的表現。使用LLM後，放射科醫師的工作量減少了45%，顯示出該模型在臨床應用中的潛力，能有效提升數據整理效率。 相關文章 PubMed DOI ♡

這項研究強調了鈷作為催化劑在醣類α-醣苷化中的有效性，成功實現對2,3-不飽和醣苷的高立體選擇性。該方法在溫和條件下進行，展現了合成各種O-、S-和N-醣苷的潛力。特別是，這個程序成功應用於canagliflozin衍生物的後期功能化，對於治療2型糖尿病及老化相關問題具有重要意義。此外，對照實驗也釐清了反應機制，確認過程中不涉及α-和β-異構體的轉換。 相關文章 PubMed DOI ♡

慢性腎臟病（CKD）影響約10%的成年人，低收入和少數族群的發病率更高。像紐約市和洛杉磯縣這樣的城市，安全網醫療系統對CKD管理至關重要。洛杉磯縣健康服務部採取有效策略，包括風險評估、整合照護和病人教育，並推出「預期實踐」和eConsult系統，以確保專科約診的及時性。這些措施旨在減緩CKD進展，促進公平的居家透析和腎臟移植，最終改善病人的健康結果和生活品質。 相關文章 PubMed DOI ♡

這篇論文介紹了一個機器人流程自動化（RPA）應用，專門用來數位化和提取手寫醫療表單的數據。這個RPA機器人運用OpenAI的ChatGPT-4模型，能夠將手寫醫療資訊準確轉錄成打字格式，達到100%的準確率。數據解釋則透過UiPath的機器學習API進行。系統設計具備可擴展性，能創建新的非標準表單模板。提取後的數據可儲存至資料庫或電子表格，並僅限授權醫療人員存取。 相關文章 PubMed DOI ♡

自然語言處理（NLP）在放射學等領域展現了將非結構化數據轉為結構化格式的潛力，但隱私問題使得數據集獲取困難。我們的目標是利用大型語言模型（LLMs）從救護人員與病人對話中提取醫療資訊，以填寫緊急應變程序表格。為此，我們開發了一個流程，使用"Zephyr-7b-beta"生成初步對話，再用GPT-4 Turbo進行精煉。初步結果顯示，"Zephyr-7b-beta"的準確率為94%，但經過精煉後略降至87%。這些結果顯示LLMs在醫療對話生成中的潛力與挑戰。 相關文章 PubMed DOI ♡

這項研究探討了ChatGPT-4o在評估馬匹健康的準確性，並將其診斷建議與獸醫專家的意見進行比較。透過十個測試情境，這個工具通常能提供準確的診斷建議，但有時會高估緊急性。在獲得完整資訊的情況下，ChatGPT-4o不會建議過長的等待時間，顯示它對馬主來說是一個有用的資源，不會影響動物健康。不過，它在協助獸醫管理工作量方面仍有改進的空間。 相關文章 PubMed DOI ♡

這篇摘要強調生成式人工智慧和大型語言模型在醫療保健中的重要性，指出它們能提升病人護理、研究及行政效率。不過，這些技術也帶來了安全和倫理挑戰，需採取全面措施以保障數據隱私和倫理使用。提出的AI醫療聊天機器人部署流程，專注於隱私保護技術和持續安全評估，以建立醫療應用中的信任與韌性。這種方法對於在敏感環境中最大化AI的好處並降低風險至關重要。 相關文章 PubMed DOI ♡

這項研究探討了一種結合檢索增強生成（RAG）和生成預訓練變壓器（GPT）的方法，旨在從非結構化的臨床筆記中提取和分類物質使用資訊。目的是提升病歷中識別物質使用的準確性與效率。透過RAG過濾GPT的輸入，分析範圍縮小至最相關的文本片段，進而提高提取的精確度和召回率。研究使用重症監護醫學資訊庫III數據集，並經人工驗證評估性能，結果顯示藥物和酒精的精確率達0.99，物質狀態的召回率為0.88，效果顯著。 相關文章 PubMed DOI ♡

心臟衰竭伴隨保留射血分數（HFpEF）是常見病症，佔心臟衰竭案例的一半以上，但缺乏有效治療。HFpEF與高血壓、肥胖、糖尿病等因素有關，對其病理生理的了解仍有限。研究人員開發了一種新型雄性小鼠HFpEF模型，結合高血壓壓力與代謝症候群，展現HFpEF的關鍵特徵。該模型接受已批准的HFpEF治療，顯示心臟表型改善，成為HFpEF前臨床研究的重要工具。 相關文章 PubMed DOI ♡