這項研究探討了健康錯誤資訊的影響，以及在COVID-19疫情期間社交媒體上更正貼文的有效性。研究分析了三年內來自事實查核機構和健康機構的更正貼文，重點在於不同屬性如何影響用戶互動。 主要發現包括： 1. 用戶互動趨勢顯示疫情期間的互動模式。 2. 貼文屬性（如風險、意識、數字等）對互動有顯著影響，強調意識和事實的貼文更受歡迎。 3. 用戶評論分為認知型和情感型，某些偏見評論對分享有負面影響。 研究強調有效傳遞錯誤資訊意識和事實內容能提升用戶互動，為改善公共健康溝通提供策略建議。 相關文章 PubMed DOI ♡

自殺預防是全球健康的重要議題，每年約有80萬人因自殺而喪生。大型語言模型（LLMs）在數位服務中有助於自殺預防，但也帶來臨床與倫理挑戰。2024年2月的回顧研究分析了43項相關研究，發現大多數集中於自殺風險識別，並探討了LLMs在臨床應用中的潛力。研究指出，隱私和同意等倫理問題需特別注意，並強調多學科合作及高品質數據的重要性。生成性人工智慧的發展可能改善危機護理與教育，但需持續人類監督。 相關文章 PubMed DOI ♡

人工智慧（AI）有潛力顯著改善急性和慢性疼痛的管理，並可能改變鴉片類藥物的處方方式及預防成癮的策略。這篇綜述探討了AI在預測鴉片類藥物相關結果的能力，並概述了提升這些模型臨床應用可靠性所需的步驟。機器學習模型已被開發用來評估手術後持續使用鴉片類藥物的風險，並預測使用障礙及過量的風險。此外，自然語言處理技術也能從臨床文檔中識別相關問題。總體而言，AI為優化疼痛管理和減輕鴉片類藥物使用風險提供了希望，旨在改善病人結果並應對鴉片危機。 相關文章 PubMed DOI ♡

這項研究評估了幾種大型語言模型（LLMs）的準確性，包括GPT-3.5、GPT-4、Google Bard和Microsoft Bing，針對基本醫學科學考試的多選題。結果顯示，GPT-4的準確率最高，達89.07%，明顯優於其他模型。Microsoft Bing以83.69%緊隨其後，GPT-3.5和Google Bard則分別為67.02%和63.83%。研究指出，問題的難度與模型表現有關，GPT-4的關聯性最強。整體來看，GPT-4和Microsoft Bing可能成為學習醫學科學的有效工具，特別是對於簡單問題。 相關文章 PubMed DOI ♡

這項研究評估了OpenAI最新的語言模型Chat Generative Pre-trained Transformer-4o在成人臨床心臟病自我評估計畫（ACCSAP）的表現。經過測試後，該模型對594個問題的正確回答率為69.2%。在純文本問題上表現較佳（73.9%），但在影像解讀上則較差（55.3%），尤其是心電圖問題得分僅56.5%。雖然模型在醫學影像解讀上顯示出一定能力，但準確性不穩定，特別是沒有文本輔助的影像。總體來看，該模型在醫學教育和臨床決策中仍有潛力，但影像解讀方面的限制明顯。 相關文章 PubMed DOI ♡

這篇文章探討了ChatGPT在醫學寫作中的應用，特別是對一年級醫學生撰寫病例報告的協助。雖然ChatGPT並未專門訓練於醫學領域，但它在解讀臨床資訊上表現出色。研究顯示，ChatGPT能有效生成摘要、校對及提供醫學見解，成為醫學寫作的有用工具。不過，由於其限制，ChatGPT無法取代作者，應以合作方式使用。作者建議應制定指導方針，以優化ChatGPT等自然語言處理模型在臨床研究中的應用，而非完全禁止。 相關文章 PubMed DOI ♡

短文本聚類面臨詞彙共現的挑戰，但研究顯示大型語言模型（LLMs）能有效生成嵌入，捕捉語義細微差異，改善聚類結果。透過高斯混合模型，聚類效果比傳統方法如doc2vec和潛在狄利克雷分配更明顯且易解釋。人類評審和生成型LLM的驗證顯示高一致性，顯示LLM能縮短聚類產出與解釋的距離。此外，LLM與人類編碼的比較揭示了兩者的偏見，質疑傳統將人類編碼視為最終標準的做法。 相關文章 PubMed DOI ♡

最近人工智慧的進展促進了影像合成模型的發展，例如OpenAI的DALL·E 2，能創造出類似人類藝術作品的作品。研究顯示，參與者對AI生成的藝術作品有明顯偏好，但另一組參與者能更準確地識別出AI作品，顯示人類藝術與AI藝術之間有可辨識的差異。這引發了關於AI在藝術領域影響的討論，包括著作權、真實性及人類創造力的演變等問題。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT4o在回答日本認證物理醫師考試問題的表現，重點在於準確性及其作為教育和臨床支援工具的潛力。2021年正確率79.1%，2022年80.0%，2023年達86.3%，整體準確率為81.8%。文字型問題表現較佳，正確率83.0%，影像型問題則為70.0%。大部分錯誤與資訊問題有關，佔92.8%。研究顯示，雖然ChatGPT4o在教育上有潛力，但在臨床應用，特別是影像解讀和專業主題上仍需改進。 相關文章 PubMed DOI ♡

現代大型語言模型（LLMs）引起了廣泛關注，展現出驚人的能力，但有時也會出錯，顯示出人工智慧在日常生活中的潛力與挑戰。雖然許多研究致力於改善這些模型，但人類與LLM的合作動態仍待深入探討。本文強調未來研究應優先考慮人類與LLM的互動，並指出可能妨礙合作的偏見，提出解決方案，並概述促進相互理解及提升團隊表現的研究目標，以改善推理與決策過程。 相關文章 PubMed DOI ♡