這項研究比較了ChatGPT-3.5和ChatGPT-4o在日本國家牙科考試中的表現，分析了1399道問題。結果顯示，ChatGPT-4o的正確回答率達84.63%，明顯高於ChatGPT-3.5的45.46%。特別是在口腔外科、病理學、藥理學和微生物學等領域，ChatGPT-4o的表現更為優異。這些結果顯示，ChatGPT-4o可作為牙科教育和考試準備的有用輔助工具，提升臨床推理和牙科知識的能力。 相關文章 PubMed DOI ♡

在科學研究中，隨著出版物數量的增加，管理變得愈加困難。為了解決這個問題，我們開發了一個高通量流程，利用ChatGPT從超過24,000篇秀麗隱杆線蟲和150,000篇果蠅的文獻中提取資訊，成功識別了超過200,000個C. elegans的互動及近120萬個果蠅的互動，建立了全面的生物圖譜。我們還創建了一個可搜尋的線上平台，方便使用者訪問這些知識網絡，並突顯了重要的生物途徑。這些數據庫可在worm.bio-map.com和drosophila.bio-map.com訪問。 相關文章 PubMed DOI ♡

這項研究評估了幾款先進的多模態大型語言模型（LLMs），如GPT-4o、Claude 3 Opus和Gemini 1.5 Pro，針對日本核醫學考試（JNMBE）問題的表現。分析了92道問題，結果顯示在使用文字和圖片的情況下，模型的準確性並無顯著差異。GPT-4o和Claude 3 Opus在多模態下的準確率為54.3%，而僅用文字時達71.7%。Gemini 1.5 Pro的表現則較差。研究指出，當前LLMs在核醫學的診斷能力不足，需加強圖片資訊的使用，以提升其在教育和實踐中的有效性。 相關文章 PubMed DOI ♡

這項研究探討如何利用大型語言模型（LLMs）生成內容為基礎的反饋，以提升Progress Test Medizin考試的反饋效果，超越單純的數字分數。研究比較了兩個受歡迎的LLM在生成相關見解上的表現，並調查醫療從業人員和教育工作者對LLM能力及其反饋實用性的看法。結果顯示兩者表現相似，其中一個付費的稍優，另一個則免費。參與者認為反饋相關，並願意未來使用LLM。研究結論指出，雖然LLM生成的反饋不完美，但仍可作為傳統數字反饋的有價值補充。 相關文章 PubMed DOI ♡

這項研究針對抽象與推理語料庫（ARC）提出新方法，旨在測試人工智慧的抽象推理能力。儘管已有許多努力，現有的神經網絡演算法在解決ARC任務上仍面臨挑戰，常需依賴複雜的手工規則。研究者調整了DreamCoder神經符號推理解決器，並引入感知抽象與推理語言（PeARL）來增強能力。他們還開發新方法讓大型語言模型（LLMs）能解決ARC任務，顯示出不同的解決方式。結果顯示，神經網絡方法仍不及手工解決方案，未來可透過理解人類策略來推進人工智慧發展。 相關文章 PubMed DOI ♡

生成式人工智慧（AI）及大型語言模型（LLMs）在健康技術評估（HTA）中的應用越來越受到重視，主要可用於系統性文獻回顧、實證數據分析及健康經濟模型。AI能自動化文獻回顧過程，提高效率；在實證數據方面，能分析大量資料，提供臨床決策的洞見；在健康經濟模型中，則可支持模型的整體發展。然而，這些應用仍面臨科學嚴謹性、可靠性及數據隱私等挑戰，需謹慎整合並持續評估其效益與風險。 相關文章 PubMed DOI ♡

這項研究評估了四款熱門聊天機器人（ChatGPT-4、Bard、Perplexity 和 Claude 2）在與認證胸腔外科醫生進行考試的表現。結果顯示，聊天機器人的中位得分為1.06，而外科醫生為1.88，差異顯著（p=0.019）。外科醫生在大多數情境中表現優於聊天機器人，且聊天機器人的重大失誤率較高（0.50對0.19；p=0.016）。總體來看，研究認為聊天機器人的表現顯著不如外科醫生，提醒在臨床決策中應謹慎使用人工智慧。 相關文章 PubMed DOI ♡

這項研究評估了一個安全的機構大型語言模型（LLM）在增強MRI脊椎檢查申請表及自動協議方面的效果。研究分析了218名患者的250份申請表，結果顯示LLM增強的申請表在臨床資訊充分性上達93.6-96.0%，遠高於臨床醫師的46.8-58.8%。LLM在78.4%的案例中提供正確的MRI協議建議，雖然低於放射科醫師的準確率，但在識別脊椎器械方面表現優異，準確率達95.1%。總體而言，LLM顯著提升了MRI申請表的質量，顯示出優化放射科醫師工作流程的潛力。 相關文章 PubMed DOI ♡

Oncointerpreter.ai 是一個互動工具，幫助癌症患者理解診斷和治療選擇。它提供個性化的基因組和病理數據摘要，讓患者能更有效地與醫療團隊溝通。這個工具利用先進的語言模型，能處理去識別化的報告，提取關鍵資訊並即時回答治療相關問題。此外，還能根據患者的病情和地點，找出相關的臨床試驗。基準測試顯示其回應一致且準確，目的是增強患者的理解，促進知情討論。更多資訊可至其 GitHub 頁面查詢。 相關文章 PubMed DOI ♡

這項研究評估大型語言模型（LLMs）在前列腺MRI報告中分配PI-RADS類別的效果。研究對象為100名未接受活檢的患者，MRI報告由兩位泌尿放射科醫師分類，並與GPT-3.5、GPT-4、Bard和Gemini的結果進行比較。結果顯示，放射科醫師的準確率高達95%和90%，而GPT-3.5和Bard僅67%。更新的GPT-4和Gemini分別提高至83%和79%。整體而言，LLMs在準確性上仍不及人類醫師，臨床應用需謹慎考量。 相關文章 PubMed DOI ♡