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 ♡

這篇研究回顧發現，ChatGPT應用在醫學教育有助提升教學效率、促進自我學習、改善溝通及課程設計，但也面臨技術門檻、負面觀感、學習品質下降、學生能力弱化、內容設計及評量偏誤等挑戰。整體來說，雖然好處不少，但要有效運用，還需克服這些問題。 相關文章 PubMed DOI 推理 ♡

這篇文章批評心理學太依賴統計模型，卻忽略了「測量」本身應該要把現實現象和數據明確連結。物理學會透過校準來確保這點，但心理學因為現象複雜、語言化，做不到。結果心理學的測量只剩下實用性，缺乏真正的理論基礎。作者認為，心理學要進步，得靠能分析開放式語言的AI，但不能只是用AI產生更多標準化指標，否則危機只會惡化。 相關文章 PubMed DOI 推理 ♡

HyenaCircle 是新一代深度學習模型，專門用來預測長型染色體外環狀 DNA（eccDNA），比起像 DNABERT 這類舊有模型，無論準確度還是穩定性都更好。它結合了大型語言模型技術、Nanopore 定序資料，並考慮兩側序列，讓長型 eccDNA 的鑑定更精確，對基因體學研究很有幫助。 相關文章 PubMed DOI 推理 ♡

到2030年，ChatGPT等AI工具可大幅提升護理研究的效率和創新，但也帶來倫理、資源不均和過度依賴等問題。專家建議要強化倫理監督、推動合作、提升AI素養，並確保資源公平，同時注意作者歸屬和信任，避免過度依賴AI，維護研究誠信。 相關文章 PubMed DOI 推理 ♡

這項研究發現，利用GPT模擬病人來訓練醫學生，不論在臨床考試成績、學習動機、溝通能力還是滿意度，都比傳統角色扮演更好。學生普遍覺得AI訓練更有效、更有趣，顯示AI有助於提升醫學教育品質。 相關文章 PubMed DOI 推理 ♡