這篇論文探討了一種新方法，透過檢索增強生成（RAG）框架來評估教師與學生的模擬教學。傳統方法需教師直接參與，增加工作負擔，限制學生獨立練習。研究使用開源工具，如FastChat和Whisper，搭配本地大型語言模型（LLM）分析教學音頻。評估了三個7B參數的開源中文LLM，結果顯示internlm2模型在分析教學音頻及提供反饋方面表現優異。研究還對10名參賽者的模擬教學進行系統分析，並由專家手動評分，驗證系統有效性，顯示先進語言技術在教育評估中的潛力。 相關文章 PubMed DOI ♡

這項研究評估了具影像識別功能的 ChatGPT 4.0 在診斷鱗狀細胞癌 (SCC) 和白斑病的能力，分析了 45 張影像。結果顯示，ChatGPT 4.0 能準確識別白斑病，但對 SCC 的診斷能力有限，需結合臨床病史才能提高準確性。僅依臨床病史時，白斑病和部分 SCC 的誤分類情況明顯。整體而言，雖然在白斑病檢測上有潛力，但對於口腔及咽喉部的 SCC 診斷仍不可靠，未來技術進步可能改善其臨床應用。 相關文章 PubMed DOI ♡

在建築、工程和建設（AEC）領域，自動合規檢查（ACC）需要自動化解釋建築法規，但因自然語言的細微差異和機器學習資源有限，過程變得複雜。為了解決這些問題，我們推出了CODE-ACCORD，這是一個包含862個獨立句子的數據集，來自英國和芬蘭的建築法規。這些句子完整表達規則，對ACC至關重要。經過12名標註者的手動標註，該數據集提供了4,297個實體和4,329個關係，為機器可讀的規則生成奠定基礎，並支持各種機器學習和自然語言處理任務。 相關文章 PubMed DOI ♡

TPepRet是一個新型模型，旨在深入了解T細胞受體（TCR）與肽的相互作用，對癌症免疫療法、疫苗開發及自體免疫疾病管理非常重要。與現有工具不同，TPepRet考量了序列數據的方向性語義，提升了TCR-肽結合的準確性。它使用雙向門控遞歸單元（BiGRU）網絡來捕捉序列依賴性，並整合大型語言模型進行全面分析。經過嚴格評估，TPepRet的表現超越其他工具，成為理解臨床TCR-肽相互作用的重要資源。源代碼可在GitHub上找到，補充數據則在Bioinformatics上提供。 相關文章 PubMed DOI ♡

多學科腫瘤委員會（MTBs）在癌症治療決策中扮演重要角色，但常面臨案例過載，影響決策品質。臨床決策支持系統（CDSSs）雖已引入協助醫師，但使用仍有限。大型語言模型（LLMs）如ChatGPT的出現，為提升CDSS的效率提供新機會。 OncoDoc2專注於乳腺癌管理，研究探討LLMs如何透過提示工程技術（PETs）改善其可用性。使用200個乳腺癌患者摘要進行評估，結果顯示最佳方法結合Mistral和OpenChat模型，達到不錯的準確率，但與金標準建議的匹配度仍低，顯示LLMs在醫療決策中仍需進一步發展。 相關文章 PubMed DOI ♡

抗微生物抗藥性（AMR）對全球健康構成嚴重威脅，預計到2050年每年可能造成1000萬人死亡。為了有效應對，公共衛生訊息需針對不同受眾調整。本研究評估了ChatGPT-4生成適合文化和語言的AMR意識內容的能力。專家們識別了AMR的主要貢獻者，並開發了多語言的內容。雖然ChatGPT-4在生成定制內容方面顯示潛力，但質量差異顯著，需專業審查。未來研究應聚焦於完善提示和整合反饋，以提升內容有效性。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT（3.5和4版本）在提供肩膀和肘部手術資訊的準確性，分析了114個問題。結果顯示，ChatGPT 3.5的正確率為52.3%，而ChatGPT 4則達到73.3%。雖然3.5在不穩定性類別表現較佳，但4在大多數其他類別中表現更優。兩者的表現都超過50%的熟練度，但仍無法取代臨床決策。研究建議進一步改善ChatGPT的訓練，以提升其作為醫療資訊資源的效用。 相關文章 PubMed DOI ♡

大型語言模型（LLMs）如BERT和GPT的發展，推進了自然語言處理，特別是在心理健康支持方面。不過，這些模型在提供可靠的心理健康資訊上仍有疑慮。本次回顧將探討影響LLMs可信度的因素，重點在可靠性、可解釋性和倫理考量。 根據PRISMA-ScR指導原則，回顧將納入2019至2024年期間的相關研究，並由兩位獨立審查者進行數據篩選。系統性搜尋已完成，篩選階段進行中，數據提取預計在2024年11月初完成，綜合分析則在11月底前完成，結果將為實務工作者和政策制定者提供重要見解。 相關文章 PubMed DOI ♡

這項研究針對自殺這一公共衛生議題，運用機器學習模型來識別有風險的個體，特別針對14至25歲的青少年。研究使用德國危機熱線的數據，開發預測自殺意念和行為的方法，並與傳統文本分類進行比較。基於變壓器的模型表現優異，達到0.89的宏觀AUC，並成功識別與自殺風險相關的語言特徵。研究結果顯示，這些模型能有效輔助臨床決策，未來可探索多模態輸入及時間性因素。 相關文章 PubMed DOI ♡

這項研究探討大型語言模型（LLMs）生成的簡化放射學報告對腫瘤科病人的影響，分為兩個階段進行。第一階段測試五種LLMs，結果顯示Claude Opus-Prompt 3表現稍佳。第二階段中，100名病人分為兩組，一組收到原始報告，另一組則收到簡化版本。調查結果顯示，簡化報告的病人對疾病理解更好，對醫療狀況感到更有信心。雖然少數報告需修正，但顯示LLMs能有效簡化醫療資訊，仍需人類監督。整體而言，研究建議LLMs可增強病人對健康資訊的理解。 相關文章 PubMed DOI ♡