這篇綜述分析270篇文獻，發現現有大型語言模型（如GPT-4）雖然能協助醫師處理多種臨床任務，但沒有單一模型能全面勝任所有需求，專業任務還需客製化。多數先進模型又是封閉原始碼，造成透明度和隱私疑慮。作者建議建立簡單易懂的線上指引，幫助醫師選擇合適的LLM。 相關文章 PubMed DOI 推理 ♡

我們開發了一套全新的多模態視覺語言系統，能用transformer模型，針對真實步行環境產生詳細又個人化的語音描述。系統用自製資料集訓練，支援使用者輸入提示客製內容，準確度高（ROUGE-L 43.9%），運作速度快（2.2秒），大幅提升人機互動在場景理解和導航的體驗。 相關文章 PubMed DOI 推理 ♡

HierSpeech++ 是一款全新、快速又穩定的 zero-shot 語音合成器，支援 TTS 和語音轉換。它用分層架構，不靠大型語言模型，即使資料少也能合成自然又像真人的語音，還內建高效語音超解析度。實驗證明，表現比 LLM 和 diffusion models 更好，品質接近真人。音檔範例和原始碼都已公開。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-3.5在回答成人脊椎變形手術常見問題時，大多數答案正確，但有些需要補充說明，也有一個答案是錯的。而且，回答內容用詞太艱深，超過一般病人能理解的程度，可能不利於健康識字能力較低的人使用。雖然有潛力當作病人衛教輔助，但正確性和用語難度還需改進。 相關文章 PubMed DOI 推理 ♡

這項研究比較了開源LLama 3.1和GPT-4o在自動化MRI檢查流程選擇的表現。結果發現，兩者結合院內知識（RAG）後，準確度大幅提升，選擇MRI流程和顯影劑的表現幾乎和放射科醫師一樣好，GPT-4o在影像序列選擇上表現最佳。整體來說，LLM搭配RAG有望成為MRI決策的有力輔助工具。 相關文章 PubMed DOI 推理 ♡

人工智慧（AI）中的人工心智模型（AMMs）能預測病人需求，幫助復健治療更貼近個人需求，即使病人溝通有限也有效。德國很多肌肉骨骼病人靠復健，AMMs 用數據和機器學習來客製化治療。FedWELL 計畫開發不帶偏見的 AI，初步成果顯示能有效調整復健方案。本文介紹其研究設計和初步發現。 相關文章 PubMed DOI 推理 ♡

這篇研究發現，傳統方法適合找穩定且類似已知的新材料，生成式AI則能設計全新結構，尤其資料夠多時效果更好。若結合機器學習篩選不穩定材料，兩種方法的成果都會大幅提升。這顯示結合生成式AI和聰明篩選，有助於發現新穩定材料。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4o對兒童氣喘問題的回答內容可靠且品質不錯，但用詞較艱深，家長可能看不太懂。雖然AI有潛力成為氣喘資訊的好幫手，但若要在醫療上更普及，還需要讓內容更容易閱讀。 相關文章 PubMed DOI 推理 ♡

這項研究發現，鎂濃度高於2 mM會抑制臍靜脈內皮細胞（HUVECs）增生，但在10 mM時細胞遷移反而變好。研究也比較多種機器學習模型預測細胞增生，SVM表現最好，平均誤差都在10%以內，而大型語言模型也有不錯的潛力。 相關文章 PubMed DOI 推理 ♡

這篇論文提出AI發展分為四個世代，從資訊型、代理型、實體型到未來可能的意識型AI。每一代的進步都靠演算法、運算力和資料推動。作者回顧AI七十年歷史，強調科技如何帶動AI演變，也提醒隨著AI越來越自主，倫理和社會問題更需重視，發展過程中要負責任地治理。 相關文章 PubMed DOI 推理 ♡