這項研究比較了外科醫生與大型語言模型（LLM）聊天機器人在解釋白內障手術併發症的效果。結果顯示，外科醫生的回應更清晰且同理心較高，但回應較短；聊天機器人則提供更詳細的解釋，準確性和完整性相似。研究建議透過真實情境和專業數據訓練聊天機器人，以提升其在病人諮詢中的表現。 相關文章 PubMed DOI 推理 ♡

在單細胞轉錄組學中，細胞類型註解不一致會影響數據整合與機器學習。為了解決這個問題，我們開發了統一的層級註解框架（uHAF），包含器官特定的層級細胞類型樹（uHAF-T）和大型語言模型驅動的映射工具（uHAF-Agent）。uHAF-T 提供38個器官的標準化參考，促進一致的標籤統一。uHAF-Agent 利用 GPT-4 將多樣的細胞標籤映射到 uHAF-T，簡化協調過程。這個框架增強了數據整合，支持機器學習，並促進單細胞研究的合作。uHAF 可在 https://uhaf.unifiedcellatlas.org 和 https://github.com/SuperBianC/uhaf 獲得，補充數據也可在 Bioinformatics 在線查詢。 相關文章 PubMed DOI 推理 ♡

這項研究介紹了Hyper-DREAM，一個創新的行動健康平台，專門用來管理高血壓。經過一年多學科團隊的開發，這個平台強調全面數據收集和增強醫病互動。 在2024年8月，對51位高血壓患者和六位醫生進行了可用性評估。結果顯示，Hyper-DREAM的BP Coach在實用性上超越了其他工具，雖然在清晰度上稍遜於醫生。醫生表示使用後效率提高，與病人的互動更快，工作壓力減輕。 患者對平台的易用性和實用性表示高度滿意，整體上，Hyper-DREAM顯示出在高血壓管理上的顯著優勢，並有助於減輕醫生的工作負擔。 相關文章 PubMed DOI 推理 ♡

這項研究探討了使用ChatGPT輔助醫學生學習視網膜色素變性（RP）的效果。研究中142名醫學生被分為兩組，一組使用傳統教材，另一組則使用ChatGPT。結果顯示，兩組的學習成效都有顯著提升，但使用ChatGPT的組別在複習時間上明顯較短，且在解決進階RP治療問題上表現更佳。研究建議結合AI與傳統教學，以提升醫學教育的效率和對罕見疾病的理解。 相關文章 PubMed DOI 推理 ♡

這項研究評估了Google的Gemini 2.0 Flash Experimental，這是一個先進的大型語言模型，特別針對內容審核和性別差異的偏見進行分析。與ChatGPT-4o相比，Gemini 2.0在性別偏見上有所減少，女性提示的接受率較高，但對性內容的審核較寬鬆，暴力提示的接受率仍然偏高。雖然性別偏見的改善值得肯定，但對暴力內容的容忍度增加引發了擔憂，可能會使暴力行為正常化。這些結果顯示，人工智慧與倫理標準的對齊仍面臨挑戰，需持續改進以確保審核的透明與公平。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs）在醫療保健，特別是胃腸科，展現出提升臨床決策、研究及病人管理的潛力。為了安全有效地應用這些模型，必須解決偏見、幻覺及法規遵循等挑戰。本文提出一個結構化框架，針對C型肝炎治療進行案例研究，涵蓋臨床目標定義、多學科團隊組建、數據準備、模型選擇與微調等步驟。此外，還強調遵循HIPAA和GDPR等法規，以確保負責任的AI應用。未來研究應聚焦於多機構驗證及AI輔助的臨床試驗。 相關文章 PubMed DOI 推理 ♡

是的，人工智慧確實能增強國家支持的宣傳活動。最近的研究顯示，生成式人工智慧工具已被用於與國家相關的宣傳網站，像是俄羅斯的網站，提升了製造虛假資訊的能力。研究結果指出： 1. **產出增加**：這些媒體能產生更多虛假資訊，讓錯誤敘事更容易散播。 2. **內容多樣化**：使用人工智慧後，發表的內容量和範圍明顯增加，顯示出更廣泛的宣傳努力。 3. **說服力**：調查顯示，人工智慧撰寫的文章仍具說服力，質量未下降。 總之，生成式人工智慧工具已改變國家支持的宣傳活動，使虛假資訊的散播更有效。 相關文章 PubMed DOI 推理 ♡

最近的研究指出，雖然ChatGPT在社會科學的文本標註上有潛力，但其封閉源碼的特性引發了透明度和數據保護的擔憂。相比之下，開源的大型語言模型（LLMs）提供了更好的解決方案。本研究系統性比較了開源LLMs、ChatGPT及傳統監督式機器學習的表現，使用美國新聞媒體的推文數據集進行二元文本標註任務。結果顯示，ChatGPT與開源模型的表現差異顯著，而基於DistilBERT的監督式分類器通常表現更佳。因此，對於重要的文本標註任務，建議謹慎使用ChatGPT。 相關文章 PubMed DOI 推理 ♡

這項研究評估了多模態大型語言模型（LLMs）在識別皮膚疾病的應用，並檢視性別和年齡的偏見。研究中使用了ChatGPT-4和LLaVA-1.6，結果顯示它們的準確率和F1分數超過了多個深度學習模型，但仍低於最佳的視覺變壓器模型。值得注意的是，ChatGPT-4和LLaVA-1.6在性別和年齡方面沒有偏見，顯示出在皮膚科應用中的潛力。未來需進一步研究以確保這些模型在醫療中的可靠性與公平性。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs）在教育上有潛力，但在高風險考試如牙科入學考試（DAT）的有效性仍不明朗。本研究評估了16個LLMs，包括通用和特定領域模型，針對DAT進行測試。結果顯示，GPT-4o和GPT-o1在文本問題上表現優異，特別是在自然科學和閱讀理解上。然而，所有模型在視覺空間推理方面面臨挑戰。雖然LLMs能增強知識，但在高階認知任務上仍需與教師指導結合，以提升學習效果。 相關文章 PubMed DOI 推理 ♡