這篇迷你評論總結了2021年在阿聯酋杜拜舉行的IEEE BIBM第三屆年度LncRNA研討會的重點。參與者討論了五個關鍵主題： 1. **lncRNA計算分析的挑戰**：強調分析lncRNA數據的複雜性及需先進工具。 2. **lncRNA與癌症**：探討lncRNA在癌症中的角色，作為診斷和治療的潛在標記。 3. **lncRNA與運動**：分享lncRNA對運動表現和恢復的影響。 4. **lncRNA與COVID-19**：討論lncRNA在COVID-19中的作用及其對免疫反應的影響。 5. **lncRNA在人腦活動中的作用**：檢視lncRNA在神經功能和疾病中的潛力。 整體而言，研討會促進了研究人員的交流，探討lncRNA在多種生物學背景下的角色。 相關文章 PubMed DOI ♡

這項研究探討了如何在有限計算資源下，利用非專有的大型語言模型（LLMs）協助醫療專業人員撰寫德語醫療文本。研究團隊訓練了四個擁有70億參數的模型，並與商業模型Claude-v2進行比較。結果顯示，BLOOM-CLP-German模型在自動評估中表現最佳，且在專家評估中，有93.1%的生成報告被認為可用，僅需少量修改。這顯示即使資源有限，仍能生成適合臨床的醫療文檔，強調選擇非英語模型時需考慮目標語言的重要性。 相關文章 PubMed DOI ♡

慢性腎臟病（CKD）患者透過個性化的生活方式和營養管理教育能顯著改善健康。自2022年起，研究開始使用聊天機器人來教育CKD患者，並根據KDIGO指導方針設計了15個問題。研究測試了多個AI版本，包括ChatGPT 3.5、ChatGPT 4和Bard AI，並由腎臟科醫生審查其回答的準確性。結果顯示，雖然有些誤導性資訊，但整體上聊天機器人作為教育工具的潛力明顯，並在2023年有顯著改進。醫療專業人員與AI開發者的合作對提升醫療服務至關重要。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在正畸領域的資訊可靠性，涵蓋透明矯正器、舌側矯正、美觀牙套和顳顎關節障礙。結果顯示，患者對資訊的評價普遍較高，尤其在透明矯正器和顳顎關節障礙方面，患者的DISCERN分數明顯高於學生和正畸醫師。整體而言，ChatGPT在患者教育上展現潛力，但仍需進一步改進以提升其可靠性和相關性。 相關文章 PubMed DOI ♡

本研究探討了由生成式人工智慧（AI）模型產生的下腔靜脈（IVC）濾器患者教育材料的可讀性。結果顯示，Microsoft Copilot生成的材料可讀性較高，Gunning Fog分數為11.58，明顯優於ChatGPT的17.76。雖然兩者的Flesch-Kincaid分數都未達到美國建議的閱讀水平，但Copilot的材料更易於理解，顯示出在患者教育上有更好的應用潛力。 相關文章 PubMed DOI ♡

大型語言模型（LLMs）正在改變自然語言處理（NLP）領域，為放射科醫師提供提升工作的機會。NLP是人工智慧的一個分支，透過演算法分析文本數據。近期的進展，如注意力機制和變壓器架構，讓像GPT-4和Gemini這樣的模型能生成類似人類的文本，並分析大量資料。 不過，LLMs也有其限制，例如依賴訓練數據的質量，可能會產生不準確的輸出。儘管如此，LLMs在放射學的應用逐漸受到重視，幫助醫師提取有價值的見解，改善工作流程，最終提升病患護理品質。 相關文章 PubMed DOI ♡

這項研究調查了土耳其護理人員對人工智慧（AI）和ChatGPT的態度，重點在於他們的知識和看法。研究期間為2023年12月至2024年3月，共有288名護理人員參與。結果顯示，48.3%的人知道ChatGPT和AI，27.8%曾使用過。使用AI的護理人員對AI的態度較正面，84.4%認為應接受AI教育，67%認為這有助於專業發展。雖然42.4%認為AI不會減輕工作負擔，但58.3%相信AI能提升病人護理品質。研究強調需開發能減輕護理負擔的AI技術。 相關文章 PubMed DOI ♡

這項研究探討主流媒體在Facebook上對COVID-19疫苗的報導，及其與主要疫苗製造商股票表現的關聯。分析了2020年1月至2021年12月的貼文，並使用結構主題模型找出十個關鍵主題，如疫苗試驗和政治化。雖然某些Facebook反應（如「Haha」和「Angry」）與股價波動有關，但情感反應對交易量的影響不大。研究顯示社交媒體情緒與金融市場之間的複雜互動，並建議未來可用大型語言模型進行更深入的分析。 相關文章 PubMed DOI ♡

這項研究調查了關於人工耳蝸的常見問題，並評估相關線上內容的質量與可讀性。主要問題分為三類：裝置技術（21%）、手術因素（18%）及手術後經驗（12%）。分析顯示，資訊來源多為學術機構，但可讀性普遍不符合病人教育標準，僅有兩個網站適合八年級以下讀者。與ChatGPT相比，網站的準確率為78%，而ChatGPT為85%。研究強調需改善線上教育資源，以便病人能獲得易懂且可信的資訊。 相關文章 PubMed DOI ♡

腎臟科的研究越來越重視複雜的分子系統及其與疾病和治療的關聯。隨著組學科學和數位健康的進步，研究變得更依賴數據，並需要強大的計算工具來處理新生物標記。人工智慧（AI）和機器學習（ML）在分析各類數據上展現出優勢，但目前只有少數基於ML的醫療決策系統經過驗證可用於臨床。為了有效整合新發現，需發展可解釋的ML方法和個人化醫療策略。AI驅動的「智慧腎臟科」仍在起步階段，面臨數位鴻溝等挑戰。這篇社論探討了AI在腎臟科的應用，並介紹了相關特刊。 相關文章 PubMed DOI ♡