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 ♡

隨著大型語言和視覺模型對計算資源的需求增加，挑戰也隨之而來。我們提出了一個名為單核心神經元系統（OCNS）的可解釋框架，透過單一核心神經元顯著減少參數數量，並在時間序列預測中達到與大型模型相似的表現。OCNS整合多個延遲反饋機制，能有效將輸入特徵轉換為一維時間序列，捕捉系統動態。這種方法在高維系統的短期預測中展現出強大且可靠的性能，證明小型模型也能提供高效的深度學習解決方案。 相關文章 PubMed DOI ♡

大型語言模型（LLMs）在化學領域越來越重要，能協助分子設計、性質預測和合成優化。這篇綜述探討了LLMs的能力及其自動化對科學發現的影響，還提到基於LLM的自主代理，能執行文獻擷取和與自動化實驗室互動等任務。文章也涵蓋了這些代理在其他科學領域的應用，並檢視其最新發展與挑戰，如數據質量和模型可解釋性。未來建議發展更先進的多模態代理，並改善與實驗方法的合作。欲了解更多，可參 相關文章 PubMed DOI ♡

深度生成模型越來越常用於從零開始設計功能性蛋白質。雖然3D蛋白質設計是一種方法，但基於序列的生成方法因為擁有大量的蛋白質序列數據和較簡單的訓練需求而更受歡迎。這些模型專注於匹配訓練數據中的蛋白質序列，但不必每個氨基酸都完全一致，因為某些變異不影響功能。 我們提出了一種新訓練方法，優化氨基酸序列和潛在空間中的訓練數據可能性，並在生成抗微生物肽和蘋果酸脫氫酶上測試，結果超越了多種其他深度生成模型，顯示出我們的方法在功能性蛋白質生成上的有效性。 相關文章 PubMed DOI ♡