這項研究探討了先驗機率對大型語言模型（LLM）在放射學診斷中的影響。研究分析了322個放射學案例，並在三種情境下測試LLM：無上下文、帶測驗上下文及初級護理上下文。結果顯示，提供測驗上下文時，LLM的診斷準確率顯著提升至70.2%，而無上下文時為64.9%。但在初級護理情境下，準確率降至59.9%。這顯示LLM可能根據先前信息調整診斷，強調在臨床中提供相關上下文的重要性。 相關文章 PubMed DOI ♡

人工智慧（AI）透過深度學習技術，特別是卷積神經網絡（CNNs），已在各領域帶來重大變革。自1990年代Yann LeCun提出以來，CNNs被廣泛應用於醫療診斷、自動駕駛、金融預測及圖像識別等。分析化學方面，深度學習提升了質譜、核磁共振等數據分析的效果。隨著大型語言模型（LLMs）如ChatGPT的興起，自然語言處理也獲得了新動力。本文探討如何利用智能手機和LLM進行激光誘導擊穿光譜（LIBS）數據的互動式分析，顯示LLMs在未來分析化學中的重要性。 相關文章 PubMed DOI ♡

心電圖（ECG）是監測心臟健康的重要工具，但解讀需要專業知識。近期，我們開發了ECG-Language Model（ECG-LM），這是首個能同時處理自然語言和ECG信號的多模態大型語言模型。透過生成文本-ECG配對數據集，ECG-LM在心血管疾病的診斷、節律和形態檢測上表現優於現有方法，顯示出其在疾病預測和問題回答中的潛力。這項技術有望提升臨床診斷的準確性與效率。 相關文章 PubMed DOI ♡

這項研究探討了人工智慧，特別是ChatGPT，在心理語言學研究中生成句子刺激的應用，涵蓋英語和阿拉伯語的書面及聽覺句子。透過三個實驗評估AI生成句子的可接受性與有效性。結果顯示，英語的AI句子可接受性與人類創作相當，但阿拉伯語的AI句子評價較低。有效性方面，只有實驗2顯示出預期效果。整體來看，研究指出AI在心理語言學研究中可成為開發刺激的有用工具，提升研究的多樣性與效率，並對未來研究提供啟示。 相關文章 PubMed DOI ♡

這篇論文批判性地回顧了可解釋人工智慧（XAI）的方法，特別針對AI聊天機器人如ChatGPT。目的是探討如何增強這些系統的可解釋性，並識別挑戰與限制，建議未來研究方向。論文強調透明度和可解釋性對於促進用戶信任的重要性，並討論跨學科的方法，如結合知識圖譜來改善可解釋性，滿足以用戶為中心的設計需求。最後，提供的見解旨在指導透明、可靠且高效的AI聊天機器人發展。 相關文章 PubMed DOI ♡

數位化自然歷史標本的過程中，標籤轉換成數位數據常面臨挑戰。本研究探討了兩種提取資訊的方法：基於規則的方法和使用ChatGPT4的大型語言模型。研究比較了這兩者在達爾文核心欄位中的錯誤率。結果顯示，雖然ChatGPT4有時不符合標準，但基於規則的方法誤報率較高。研究人員因此開發了一種結合兩者的集成方法，顯著降低了錯誤率，提升了數據質量。儘管人為驗證仍然重要，自動化方法可加速標本館標籤的數位化，並適用於其他自然歷史收藏品。 相關文章 PubMed DOI ♡

藥物重定位有助於加速開發、降低成本及失敗率，但獲取可靠的負面數據仍是挑戰。為了解決這個問題，我們採用了正負標籤學習方法，並利用大型語言模型（GPT-4）分析前列腺癌臨床試驗，成功識別真負樣本，預測準確性顯著提升。透過我們的標記策略，建立了包含80種藥物的數據集，並評估了11,043種藥物的重定位潛力，找出980個前列腺癌治療候選者。這一方法可擴展至其他疾病，為新療法的發現提供更準確的數據支持。 相關文章 PubMed DOI ♡

這項研究評估了四個大型語言模型（LLMs）在腫瘤學知識的表現，使用土耳其醫學腫瘤學會的考試問題。測試的模型包括Claude 3.5 Sonnet、ChatGPT 4o、Llama-3和Gemini 1.5，共分析790道選擇題。Claude 3.5 Sonnet表現最佳，所有考試通過，平均得分77.6%；ChatGPT 4o通過七場考試，得分67.8%。Llama-3和Gemini 1.5表現較差，得分均低於50%。研究顯示，這些模型需定期更新，以保持腫瘤學教育的相關性。總體而言，先進的LLMs在該領域有潛力，但仍需持續改進。 相關文章 PubMed DOI ♡

在2024年10月29日，來自美國各藥學院的主席和副主席召開虛擬會議，討論藥學科學的現狀及研究生教育的最佳實踐。會議重點包括校友參與及受訓者對學術職業的低興趣。Dawn Beraud博士強調科學倡導的重要性，特別是在資金和政策決策方面。討論中提到大型語言模型的應用及財務支持挑戰，並提出NextProf PharmSci計畫，旨在透過工作坊幫助受訓者準備學術角色。與會者一致支持每年舉辦此活動，並計畫未來的主題與暑期學校計畫。 相關文章 PubMed DOI ♡

這篇文章全面介紹了大型語言模型（LLMs）的進展及其在放射學的潛在應用。文獻回顧了醫學領域中LLMs的研究，特別關注其在臨床環境中的相關性與限制。文章強調了幾項重要研究，並指出放射科醫師參與LLM技術的重要性。了解各種應用及病人安全、倫理和數據保護的挑戰，對於負責任地將LLMs整合進臨床實踐至關重要。 相關文章 PubMed DOI ♡