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 ♡

大型語言模型（LLMs）如ChatGPT的發展，催生了能處理複雜任務的代理人，但這些代理人常面臨錯誤傳播和適應性不足的挑戰。為了解決這些問題，我們提出了「任務分解與代理生成」（TDAG）框架，將複雜任務拆解為小子任務，並分配給專門的子代理，以提升適應性。 此外，我們推出了ItineraryBench基準測試，專注於旅行規劃，評估代理人在記憶、規劃和工具使用等方面的能力。實驗結果顯示，TDAG在處理複雜任務時的表現顯著優於現有基準，展現出更強的適應性和情境意識。 相關文章 PubMed DOI ♡

這篇研究指出大型語言模型（LLMs）在提升證據綜合效率方面的潛力，特別是在隨機對照試驗（RCTs）的數據提取上。作者針對LLMs開發了結構化提示，使用Claude（Claude-2），涵蓋了Cochrane手冊的六大領域共58項內容。他們在10個已發表的Cochrane評論RCT上測試，結果顯示數據提取準確率高達94.77%，各領域準確率介於77.97%到100%之間，且每個RCT的提取時間僅需88秒。這些結果顯示結構化提示能有效增強LLMs在系統性回顧中的應用，對證據綜合方法學是一大進步。 相關文章 PubMed DOI ♡

最近的研究顯示，ChatGPT在全膝關節置換術（TKA）病人的術前教育中，能有效減少焦慮並提升滿意度。這項2023年的初步研究涉及60名病人，分為使用ChatGPT輔助的知情同意組和傳統醫生主導組。結果顯示，使用ChatGPT的病人在術前和術後焦慮分數顯著較低，且對住院經驗的滿意度更高。不過，對於抑鬱、膝關節功能或疼痛程度並未見顯著差異。未來仍需進一步研究以確認這些發現。 相關文章 PubMed DOI ♡

這項系統性回顧分析了137篇經過同行評審的研究，探討生成式人工智慧聊天機器人在健康建議上的表現。結果顯示，研究報告標準差異大，主要集中在外科、醫學和基層醫療。大部分研究針對治療、診斷或疾病預防，但幾乎全數（99.3%）使用的都是無法訪問的封閉源碼大型語言模型，且對其特徵描述不足。此外，多數研究未提及提示工程，只有少數討論倫理、法規及病人安全。這些結果顯示需改善報告標準，建議開發聊天機器人評估報告工具（CHART），以提升臨床評估與整合的效果。 相關文章 PubMed DOI ♡

這項研究探討生成式人工智慧（AI）對藥學學生在客觀結構化臨床考試（OSCE）中的表現及焦慮影響。研究於2024年進行，涉及88名藥學博士學生，分為介入組和對照組。介入組使用AI工具生成學習材料，而對照組則接受傳統指導。結果顯示，兩組在考試成績和焦慮量表上並無顯著差異，AI工具未能提升學業表現或減少焦慮，但也沒有負面影響。研究建議需進一步探討AI對教育成果的長期影響。 相關文章 PubMed DOI ♡