雖然AI技術進步很快，但要在臨床上做到精確又能解釋的個人化治療，還是有不少困難。本研究開發的H-SYSTEM，結合醫學知識圖譜和AI模組，能幫助神經外科醫師處理高血壓性腦出血。測試結果顯示，H-SYSTEM在診斷和治療規劃的準確率超過91%，比醫師和大型語言模型還高，且在多家醫院都適用，顯示它有成為臨床決策好幫手的潛力。 相關文章 PubMed DOI 推理 ♡

這項研究發現，GPT-4o等大型語言模型能根據實際用藥情境（如劑量）準確判斷藥物的ATC分類，表現比傳統搜尋方法更好（92.5%對82.5%）。LLM不僅準確、取得容易，還能考慮情境資訊，對藥物流行病學研究很有幫助。 相關文章 PubMed DOI 推理 ♡

這項研究比較三款大型語言模型產生的SCR手術衛教資料，發現 Gemini-1.5-Pro 在教育品質和病患滿意度上表現最佳。不過，所有模型都沒附參考文獻，也沒提及其他治療選擇或不手術的風險，顯示臨床使用前還是需要專家把關。 相關文章 PubMed DOI 推理 ♡

這篇文獻回顧分析了多囊性卵巢症候群（PCOS）女性使用各種數位科技工具（如App、網路平台、社群媒體等）來獲取知識、自我管理及尋求社會支持的經驗。雖然這些工具有助於自我管理，但在資訊可靠度、功能、互動性及文化適切性等方面仍有待加強。建議未來設計更貼近使用者需求，並讓PCOS女性參與開發。 相關文章 PubMed DOI 推理 ♡

DeepSeek-R1 是一款開源大型語言模型，醫療診斷表現和 GPT-4 差不多，正確診斷率分別為 35% 和 39%。不過，DeepSeek-R1 把正確診斷列入鑑別診斷的機率較低，且清單較長但多元。整體來說，DeepSeek-R1 準確度不輸 GPT-4，且有開源優勢，但在診斷排序上還有進步空間。 相關文章 PubMed DOI 推理 ♡

AI正快速改變生物醫學資料分析，能自動產生程式碼和視覺化結果，大幅提升效率與透明度。未來應以人為本，讓AI輔助專家決策，而非只讓人類配合AI。這帶來更強大、互動且易解釋的視覺化，但也會遇到信任、透明度和專業角色轉變等挑戰。 相關文章 PubMed DOI 推理 ♡

這篇論文提出 AttrDD，一種專為視覺-語言模型設計的階層式少量樣本微調框架。它先用微調後的模型縮小到最容易混淆的幾個類別，再用大型語言模型產生屬性描述來細分。這種兩階段、以屬性為主的方法，搭配輕量級 adapter，不只提升微調效率，在多項基準測試上也優於現有方法。 相關文章 PubMed DOI 推理 ♡

這篇論文提出 CoS-PIL，一個輕量級影像情境辨識框架，不用微調大型多模態語言模型，只靠設計好的提示語和逐步推理流程，預測影像中的動詞、名詞和角色。它還用 chain-of-interest predictor 萃取關鍵資訊，提升辨識準確率。實驗結果在 SWiG 基準上表現優於現有方法。程式碼已開源。 相關文章 PubMed DOI 推理 ♡

這份指南回顧並比較三種心理學構念的向量化方法：用單字清單、問卷和有標記範例。作者指出，若要分析不同文本類型，建議用單字清單；若文本和問卷內容接近，則用問卷；有大量標記資料時，則用標記範例。指南也提醒研究者注意嵌入模型的特性和潛在方法問題。 相關文章 PubMed DOI 推理 ♡

這篇研究發現，用GPT-4o等大型語言模型產生的子宮頸癌選擇題，品質和臨床醫師出的差不多，難易度也相近，臨床醫師不太能分辨題目來源。不過，醫師出的題目在高層次思考上還是比較強，專家也比較能分辨AI題目。總結來說，AI能有效輔助出題，但複雜題目還是需要專業醫師把關。 相關文章 PubMed DOI 推理 ♡