這項研究比較GPT-4和GPT-4o在圖片型USMLE醫學考題的表現，GPT-4o正確率較高（89.5%），但和GPT-4（73.4%）差異沒達統計顯著。兩者都能處理不同醫學領域的圖片題，GPT-4o在教學應用上有潛力，但醫學教育還是需要專業人員把關，確保答案正確。 相關文章 PubMed DOI 推理 ♡

這篇論文提出把臉部表型知識圖譜結合RAG技術，協助大型語言模型更準確診斷罕見遺傳疾病。這種做法能減少模型產生錯誤答案，提升診斷的準確率和一致性，證明專業知識圖譜能有效強化AI在醫療領域的應用。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4.0在判斷兒童是否需要放置鼓膜通氣管時，答對率高達96.8%，若要求引用最新文獻，準確率甚至達100%。但它對先前錯誤的題目並不會自我修正，顯示自我學習有限。總結來說，ChatGPT-4.0表現優異，但使用時還是要小心下指令並多加審核。 相關文章 PubMed DOI 推理 ♡

這項研究提出 CARE-AD，多代理大型語言模型架構，能分析電子病歷，預測阿茲海默症在診斷前最長10年的風險。CARE-AD 透過分工合作的 LLM 代理人提取與評估相關資訊，預測準確度比單一模型更好，展現協作式 LLM 系統在臨床早期風險評估的潛力。 相關文章 PubMed DOI 推理 ♡

這項研究比較五種大型語言模型在放射線醫學文獻篩選的表現，發現它們特異性高但敏感度差異大。大多數模型遇到人類標註時會偏向相信人類，顯示有權威偏誤，GPT-4o 這點較不明顯。三元分類下模型很少選「不確定」，敏感度略升。PubMed 搜尋方面，OpenAI 工具召回率中等但精確度高，Gemini 召回率較低。整體來說，LLMs 有潛力但仍需人類監督與精心設計提示詞。 相關文章 PubMed DOI 推理 ♡

這項研究用大型語言模型的困惑度分數來評估語言連貫性，並和傳統方法比較。結果發現，兩者結合後，更能貼近臨床對思覺失調症患者思考混亂的評分。這顯示LLM有潛力提升自動化工具在早期偵測和追蹤精神病症狀的準確度。 相關文章 PubMed DOI 推理 ♡

本研究用開源大型語言模型（LLMs）自動萃取臨床文本中的藥物資訊，並透過微調、格式限制指令和Shapley values提升準確度與透明度。經微調的Llama模型在英文和德文資料集上，F1-score都明顯超越以往方法，讓臨床藥物資訊萃取更精準、透明又有效率。 相關文章 PubMed DOI 推理 ♡

這篇研究推出 NERLlama3.1，是專為生醫命名實體辨識設計的模型。它用 QLoRA 技術在 Llama3.1-8B 上高效微調，大幅減少運算資源。結合 SCNP 提示工程後，模型在多個資料集上都拿到很高的 F1 分數，泛化能力也很強，表現比傳統 BERT-base 和全量微調的大型模型還好，資源用量卻更省。這也是首個多任務 BioNER LLM，證明參數高效微調在生醫 NLP 很有用。 相關文章 PubMed DOI 推理 ♡

這項研究找五位語言治療師評分ChatGPT（GPT-4o mini）對11個常見口吃問題的回答，結果有近一半的AI回答被誤認為是人寫的，顯示很擬人化。大多數答案正確、無害，也符合專業共識，但寫作水準偏高，大約是大學或研究所程度。研究認為ChatGPT能提供合適的教育性回答，但不能取代專業治療。 相關文章 PubMed DOI 推理 ♡

這項研究用大型語言模型開發憂鬱症句子完成測驗，針對373位泰國成年人，重點在家庭、社會、健康和自我概念四面向。結果顯示，健康和自我概念與憂鬱風險最相關，隨機森林模型表現最好，LLaMA3.1和Gemma2敏感度最高。方法準確率達0.78以上，但未來還需注意倫理問題並擴大樣本。 相關文章 PubMed DOI 推理 ♡