生成式人工智慧（GenAI）在心理健康領域展現出重要潛力，能提供個人化的照護與危機預測，但其使用需謹慎考量倫理問題。這期專題專注於GenAI的負責任應用，探討情感識別、治療會議摘要等能力，並強調心理健康數據的敏感性及驗證的重要性。貢獻者指出需解決偏見、透明度等問題，確保AI輔助照護符合倫理。專題提出最佳實踐與監管方法，主張GenAI應輔助人類同理心，而非取代，強調各界合作的重要性。 相關文章 PubMed DOI ♡

這項研究探討如何利用大型語言模型（LLMs）從日本的肺癌放射學報告中提取資訊並進行聚類分析。隨著自然語言處理在醫學領域的應用增加，研究針對非英語醫學數據集的挑戰進行探討。使用MedTxt-RR數據集，研究發現腫瘤大小在73.3%的報告中被準確識別，腫瘤位置和側別則在83%的報告中被識別。結果顯示，無監督的LLM方法在資訊提取和聚類上優於傳統監督方法，顯示出LLM在提升放射學報告效用的潛力。 相關文章 PubMed DOI ♡

這項研究評估了多種人工智慧模型在診斷口腔潛在惡性病變（OPMLs）的準確性，特別是ChatGPT 3.5、4.0、4o和Gemini。研究使用42個案例和兩個數據集的影像進行測試。結果顯示，GPT 4o在文本診斷中表現最佳，正確回答27個案例，其次是GPT 4.0、3.5和Gemini。在影像識別方面，GPT 4o也優於Gemini。不過，這些模型的準確性仍未達到專家水平，顯示出中等到良好的協議程度。研究指出，雖然人工智慧在診斷OPMLs上有潛力，但整合進臨床實踐時需謹慎。 相關文章 PubMed DOI ♡

這項研究比較了兩個聊天機器人，ChatGPT-4 和 Google Gemini，對於良性肛門疾病問題的回答。研究者提出30個問題，專家評估後發現兩者的回應都相當適當且全面，但 Google Gemini 在適當性、全面性及參考資料方面表現更佳，且評估一致性較高。語言複雜度方面，ChatGPT 的回答較難理解，適合的閱讀水平高於 Google Gemini。總體來看，Google Gemini 更適合提供良性肛門疾病的資訊。 相關文章 PubMed DOI ♡

人工智慧（AI）在醫療領域的應用帶來了機會與挑戰，尤其在倫理和專業問題上。本研究評估了ChatGPT 3.5和4.0在處理醫療情境中的表現，使用了273道來自不同題庫的問題。結果顯示，GPT-3.5的正確回答率普遍低於醫學生的平均水平，而GPT-4在某些題庫中表現較佳。雖然GPT-4在倫理和人際互動方面顯示潛力，但人類的推理能力仍然優於AI，未來需持續發展AI系統以提升其在醫療中的有效性。 相關文章 PubMed DOI ♡

這項研究評估了多種大型語言模型（LLMs）在回答眼科問題的表現，特別針對 Microsoft Copilot、GPT-4（包含 GPT-4o 和 GPT-4o mini）以及 Google Gemini（包括 Gemini 和 Gemini Advanced）。研究使用了來自 StatPearls 的 300 個問題，涵蓋不同的子專科和影像任務，並探討了兩種提示方式的效果。 相關文章 PubMed DOI ♡

這項研究評估了AI聊天機器人，特別是ChatGPT，提供的乳腺癌和前列腺癌篩檢資訊的準確性，並與美國預防服務工作組（USPSTF）的指導方針進行比較。研究發現，71.7%的標準與USPSTF建議一致，但有15%的資訊不準確或不相關，特別是在針對年長者的回應中。雖然ChatGPT的資訊大致符合官方指導，但仍有顯著差距，提醒使用者在參考AI生成的癌症篩檢資訊時，應諮詢專業醫療人員。 相關文章 PubMed DOI ♡

人工智慧（AI）在整形外科的應用潛力巨大，能提升病人照護的各個階段，包括術前規劃、手術執行和術後管理。一項研究比較了OpenAI的ChatGPT-4o（omni）和Alphabet的Gemini Advanced兩個AI模型在持續醫學教育（CME）文章的學習能力。結果顯示，人類住院醫師在閱讀後的分數明顯提升，而Gemini Advanced的表現更佳，顯示AI在醫學教育中可作為有效的輔助工具，幫助縮短理論與實踐之間的差距。 相關文章 PubMed DOI ♡

本研究探討三款人工智慧聊天機器人——Gemini、Microsoft Copilot 和 ChatGPT 4.0 在制定個人化減重飲食計畫的有效性。結果顯示，這些機器人生成的飲食計畫在營養質量上表現良好，但在宏量營養素和脂肪酸的平衡上仍有不足。特別是，ChatGPT 4.0 在熱量準確性方面表現最佳，而Gemini的計畫變異性較大。總體而言，這些AI工具能提供有用的飲食建議，但仍需與營養專業人士的知識相輔相成。 相關文章 PubMed DOI ♡

這項研究探討如何利用先進的大型語言模型（LLMs）來提升煤礦安全評估。傳統方法在面對複雜數據時效率不佳，而這個系統能快速處理來自感測器的數據，並透過實體互動增強環境意識。結合煤礦安全知識庫，系統能進行邏輯推理、檢測異常及預測風險，並具備記憶功能以持續學習。研究中還設計了實驗框架，展示該系統在煤礦安全評估中的高效性，提供了一個創新的解決方案。 相關文章 PubMed DOI ♡