這篇研究提出「雙重關係圖（DRG）」框架，結合大型語言模型和協同過濾技術，來提升課程推薦系統在資料稀疏時的表現。DRG 同時考量課程間和使用者與課程間的關係，顯著提升推薦準確度和連結覆蓋率，並優於現有方法。架構模組化，方便整合，程式碼將公開。 相關文章 PubMed DOI 推理 ♡

這項研究發現，AI（ChatGPT-4o）寫的科學論文在清晰度和可讀性上勝過人類醫師，但在技術正確性和深度上明顯不足，缺乏關鍵分析和背景。評審都能分辨出AI和人類的作品，且偏好同類型寫作。結論是AI能提升寫作表達，但無法取代人類的專業判斷，人工審查還是很重要。 相關文章 PubMed DOI 推理 ♡

這篇論文用Rodgers演化性概念分析法，回顧41篇文獻，釐清大型語言模型（LLMs）在護理教育的角色。LLMs被視為可取得、個人化又創新的互動工具，有助於提升學習成效並推動教育轉型。不過，文中也提醒要重視倫理問題，確保LLMs的應用符合護理教育的核心價值。 相關文章 PubMed DOI 推理 ♡

大型語言模型雖能減輕醫護行政負擔，但過度依賴恐影響批判思考與個別化照護。醫護人員需學習AI素養、主動驗證AI內容，並加強臨床推理訓練。AI應審慎導入，政策要重視準確性、倫理與安全，並將AI與批判性思考教育納入醫療專業訓練。 相關文章 PubMed DOI 推理 ♡

這項研究比較醫師單獨解讀與結合AI輔助的電診斷報告，結果發現兩者在報告品質上沒有明顯差異。醫師對AI信任度普通，覺得系統操作不太方便，對減輕工作量幫助有限。不過，AI在處理常規案例時，還是有機會幫醫師減少文書工作，讓醫師能更專注於複雜病人。 相關文章 PubMed DOI 推理 ♡

**重點摘要：** 這項研究比較了人類與AI（大型語言模型）在跨專業教育中分析學生反思的結果。雖然AI可以快速處理大量資料，但其分析結果和人類並不完全相同。因此，AI應該作為輔助工具，搭配其他評估方法一起使用，而不是完全取代人類分析。 相關文章 PubMed DOI 推理 ♡

這項研究推出 HistoChat AI 助理，結合語言和影像模型，幫助診斷大腸直腸癌。HistoChat 能自動產生資料和問答，解決資料不足問題，診斷正確率達 69.1%。結果顯示，HistoChat 在資料有限時，能有效輔助病理醫師。 相關文章 PubMed DOI 推理 ♡

BioLLM 統一了各種單細胞 foundation models（scFMs）在單細胞 RNA-seq 分析的操作和評估，提供一致的介面和 API，方便模型切換和基準測試。評估發現，scGPT 整體表現最好，Geneformer 和 scFoundation 在基因層級任務也很強，scBERT 因模型小、資料少表現較弱。BioLLM 目標是協助研究人員更有效運用 scFMs，推動單細胞生物學發展。 相關文章 PubMed DOI 推理 ♡

這篇研究比較三種複雜生醫文本關係抽取方法：傳統pipeline、sequence-to-sequence，以及像ChatGPT的生成式大型語言模型。結果發現，傳統pipeline表現最好，seq2seq次之，LLMs雖然zero-shot表現不錯，但有訓練資料時還是建議用傳統方法。這也是首篇針對RareDis資料集做E2ERE的研究。 相關文章 PubMed DOI 推理 ♡

這項研究評比了15款主流大型語言模型在中文心理健康知識與診斷上的表現，像是DeepSeek-R1、QwQ和GPT-4.1表現最好。結果指出，這些模型在心理健康應用上有優勢，但也還有改進空間，能幫助未來挑選和優化相關模型。 相關文章 PubMed DOI 推理 ♡