致癌物的識別與分類對癌症流行病學非常重要，但現有系統如IARC和NTP面臨文獻增長的挑戰。為此，我們開發了CarD-T框架，利用變壓器技術有效識別潛在致癌物。CarD-T在已知致癌物的PubMed摘要上進行訓練，並成功識別了60%的已確立致癌物，還提名了約1500個潛在致癌物。與GPT-4相比，CarD-T在召回率和F1分數上表現更佳，並能評估致癌性矛盾證據。總之，CarD-T是識別致癌物的強大工具，提升公共健康應對能力。 相關文章 PubMed DOI ♡

這篇論文提出一種新方法，利用大型語言模型（LLMs）、AI代理和開放地理數據，提升城市騎乘安全。方法包括分析城市風險和現有騎乘設施的數據，並透過數據預處理和提示工程，創建友好的系統，提供騎乘安全見解。過程分為數據準備、代理協調和決策執行三步，確保開源工具有效整合，促進城市規劃者和騎士的可及性。研究顯示結合LLMs和AI代理的潛力，能改善騎乘實踐和城市交通規劃。 相關文章 PubMed DOI ♡

這項研究評估了先進大型語言模型（LLMs）在醫學考試中的視覺能力，特別是GPT-4和Google的Gemini。研究比較了它們在台灣專科醫師考試（肺部與重症醫學）的表現，並以僅處理文本的GPT-3.5為基準。結果顯示，GPT-4的表現持續優於Gemini和GPT-3.5，經常超過60的及格門檻，接近人類考生的水準。相對而言，Gemini的表現較低，而GPT-3.5得分最低，顯示出新模型在解讀複雜醫療資訊方面的優勢。 相關文章 PubMed DOI ♡

這項研究針對外語學習者在學習英語詞彙時的挑戰，透過語義標註的語料庫，建立了一份高頻詞義清單，主要來自當代美國英語和英國國家語料庫。研究人員利用BERT模型進行準確的語義標註，篩選出5000個關鍵詞義。這份清單有三大優勢：在不同語料庫中穩定覆蓋、高頻項目識別準確，且條目數較少，明確指出對初學者最相關的詞義。這項研究為語言學習者提供了重要資源。 相關文章 PubMed DOI ♡

這項研究評估了三個聊天機器人—ChatGPT、Bing Chat 和 AskOE—在骨科手術治療問題上的回應品質。專家對每個機器人的回應進行評分，結果顯示 AskOE 在臨床正確性、完整性等方面表現最佳，受到評審者的偏好。雖然 ChatGPT 和 AskOE 都有錯誤，但 AskOE 的表現更為可靠，顯示其在醫療領域的潛在價值。 相關文章 PubMed DOI ♡

肌肉骨骼疾病（MSDs）是全球主要的殘疾原因，影響各族群。本研究評估了ChatGPT 3.5和4在提供MSDs初級預防資訊的有效性，重點在於預防而非診斷。使用CLEAR工具評估回應質量，並由獨立專家審核。統計分析顯示，兩個版本在低背痛、骨折等疾病的預防資訊上表現良好，但ChatGPT-4在完整性、適當性和相關性上優於3.5。研究強調AI在公共健康溝通中的潛力，並指出未來需持續改進以增強全球健康倡議。 相關文章 PubMed DOI ♡

生成式人工智慧（Gen-AI），像是ChatGPT，已在健康教育，特別是藥學領域引起關注。雖然其整合帶來潛在好處，但也存在學術誠信的風險。這篇綜述評估了Gen-AI在藥學教育中的影響，並強調了需要針對學術誠信風險的研究。研究顯示，雖然認識到Gen-AI的優勢，但缺乏相關的風險緩解策略。未來需加強對學生和教職員的教育訓練，並重新設計評估方式，以確保學術誠信。 相關文章 PubMed DOI ♡

這項研究探討了先進自動語音辨識（ASR）技術在病人接觸過程中轉錄醫療資訊的效果，特別是在嘈雜的緊急醫療服務（EMS）環境中。研究評估了四個ASR引擎，結果顯示Google Speech-to-Text Clinical Conversation表現最佳，尤其在「心理狀態」和「過敏」類別上。然而，所有引擎在「治療」和「藥物」等關鍵類別的表現都不理想，顯示目前ASR技術尚無法完全自動化EMS的臨床文檔。這強調了進一步提升ASR技術的必要性。 相關文章 PubMed DOI ♡

這項研究比較了AI聊天機器人（ChatGPT和Google Gemini）生成的病患教育材料與傳統病患資訊手冊（PILs）在眼科手術局部麻醉方面的效果。專家評估發現，雖然AI提供的語言較簡單且易懂，但傳統PILs在完整性和可讀性上表現更佳。統計分析顯示，ChatGPT在準確性和完整性上稍勝於Google Gemini，但兩者都不及PILs。值得一提的是，Google Gemini的情感語調最為正面。研究結果顯示，AI聊天機器人可作為病患教育的輔助工具，幫助提升病患的理解與決策能力。 相關文章 PubMed DOI ♡

這篇論文回顧了自然語言處理技術，特別是大型語言模型在放射科報告中提取結構化數據的應用。雖然放射影像使用普遍，但報告中的自由文本常未被充分利用。根據PRISMA-ScR指導方針，分析了2023年8月1日從五個資料庫中找到的34項研究。結果顯示，大多數研究集中在前變壓器和編碼器模型上，外部驗證時性能下降。LLMs可能增強信息提取的普遍適用性，但面臨外部驗證不足和報告粒度問題等挑戰。 相關文章 PubMed DOI ♡