網路評論的興起對消費者購買決策和產品開發影響深遠，但生成式AI技術如ChatGPT的出現，讓人擔心商家可能會製造虛假評論，影響評論的可信度。為了解決這個問題，提出了一種新方法，結合AI生成評論的檢測，專注於產品屬性。這方法利用預訓練語言模型來檢測評論真實性，並分析用戶偏好，改善產品開發的成本控制與設計決策。實驗結果顯示此方法相較於現有技術具優勢。 相關文章 PubMed DOI ♡

這項研究評估了多種大型語言模型（LLMs）在從電子健康紀錄中提取數據的表現，使用了50份合成醫療筆記。共測試了18個LLM，並與基準模型RoBERTa比較，涵蓋多個任務。表現最佳的模型包括Claude 3.0 Opus、GPT 4等，準確率超過0.98，明顯優於RoBERTa的0.742。這些模型在多次測試中也展現出一致性，顯示出能有效協助數據提取，減輕醫療人員的負擔。不過，仍需用真實數據進一步驗證其實際應用效果。 相關文章 PubMed DOI ♡

這項研究評估了一本教科書與GPT-4在非創傷性脊髓損傷（NTSCI）方面的可讀性與可靠性，特別針對ABPMR認證。主要發現包括： 1. 教科書可讀性分數為14.5，GPT-4為17.3，顯示GPT-4的解釋較複雜（p < 0.001）。 2. GPT-4的解釋中有86%屬於「非常困難」，教科書則為58%（p = 0.006）。 3. GPT-4能簡化九個複雜解釋，保持字數不變，顯示其適應性。 4. GPT-4的準確率為96%，顯著優於GPT-3.5的84%（p = 0.046）。 總體而言，研究顯示GPT-4在醫學教育中具潛力，能提供準確且易懂的解釋。 相關文章 PubMed DOI ♡

人工智慧（AI）在健康溝通系統中的應用，顯著改變了公共衛生管理，尤其在緊急情況下，能透過數位渠道有效接觸大眾。本文探討通用對話式人工智慧（CAI）的角色，強調其在健康訊息傳遞中的潛力，特別是透過AI驅動的訊息平台提供個性化的健康介入。針對COVID-19疫情的案例研究顯示CAI在健康信息傳播上的有效性。我們建議公共衛生機構與AI技術合作，同時解決偏見、錯誤信息及隱私等挑戰，展望未來CAI將提升健康溝通的可靠性。 相關文章 PubMed DOI ♡

這項研究探討個人化回饋對醫學教育學習成果的影響，特別是透過應用程式進行自我測試。德國醫學生參加隨機試驗，接受專家或ChatGPT的回饋。結果顯示，經常使用應用程式的學生在畢業考試中表現較佳，但兩種回饋的分數差異不大（ChatGPT 51.8%，專家 55.8%，p = 0.06）。研究建議需改善應用程式和回饋機制，以提升有效性，並對其他學術領域提供啟示。 相關文章 PubMed DOI ♡

最近，自然語言處理（NLP）在語意數據分析上有了顯著進展，特別是在問卷研究中。研究者開發了一個「語意搜尋助手」的原型，能有效協調不同工具測量相同構念，並探索新構念組合。透過案例研究，該應用成功識別潛在的協調配對，減少了手動評估的需求。專家評估顯示，模型生成的配對與專家意見高度一致，證實了這種方法的有效性，顯示出嵌入模型在協調複雜數據集中的潛力。 相關文章 PubMed DOI ♡

生成式人工智慧（AI）在文本轉視頻（T2V）方面的快速發展，將對醫療保健帶來深遠影響。本文探討了T2V AI模型的應用、挑戰及未來展望，特別是2024年推出的Sora Turbo和Veo 2等平台，這些技術能提升病患教育、醫學訓練及遠距醫療的質量。 研究顯示，T2V模型可提供個性化病患教育和標準化訓練，但仍面臨錯誤資訊、隱私及倫理等挑戰。未來若能解決可及性問題，並促進醫療系統與AI開發者的合作，將有助於提升全球醫療的效率與公平性。 相關文章 PubMed DOI ♡

這項研究探討了利用AI模型，特別是GPT-3、GPT-3.5和GPT-4，自動化污水流行病學文獻篩選，以提升綜合分析的效率。結果顯示，GPT-4在識別原始數據論文方面表現優異，精確度達0.96，召回率為1.00，超越目前的人工篩選標準。不過，這些模型在準確識別相關取樣地點上仍有挑戰，顯示人類監督的重要性。研究強調模型設計的謹慎性，建議AI輔助篩選能提升WBE研究效率，但仍需人類介入以確保準確性。 相關文章 PubMed DOI ♡

膝關節骨關節炎（OA）對患者生活品質影響深遠，常需手術。雖然全膝關節置換術（TKA）常見，但年輕的單側膝關節OA患者可能更適合高胫骨截骨術（HTO）。有效的患者教育至關重要，但許多線上健康資訊對一般人來說過於複雜。研究探討定制版ChatGPT是否能提升膝關節OA和HTO的教育可讀性與準確性。結果顯示，微調後的ChatGPT在可讀性和資訊質量上均有顯著改善，顯示定制AI工具能讓醫療資訊更易理解。 相關文章 PubMed DOI ♡

量子級聯雷射（QCL）是一種高效能的半導體雷射，但其設計複雜，需結構化數據來理解其性能。現有數據多為非結構化，主要來自科學文獻，資訊提取技術能協助整理這些數據。開發針對QCL特性的機器學習演算法時，缺乏高品質訓練數據是一大挑戰。雖然大型語言模型（LLMs）在提取材料特性上有潛力，但在特定領域仍有困難。本文介紹了一個新數據集，透過GPT-3.5增強科學文章的範例句子，包含1300個註釋範例，旨在提升LLMs在QCL特性提取的表現。 相關文章 PubMed DOI ♡