大型語言模型（LLMs）在學術研究中有助於提升效率，特別是在系統性回顧方面。本研究比較了兩種基於LLM的系統性回顧方法：完全自動化（LLM-FA）和半自動化（LLM-SA）。結果顯示，LLM-FA的效果有限，僅識別出32.7%至6.1%的相關論文；而LLM-SA則表現更佳，成功納入82.7%的相關論文，並有效排除92.2%的不相關論文。這顯示LLMs雖無法獨立完成任務，但可作為提升論文選擇效率的輔助工具。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在回答有關重組帶狀疱疹疫苗（RZV）對風濕性和肌肉骨骼疾病患者的問題時的準確性和完整性。研究使用20個基於CDC、ACIP和ACR指導方針的提示，結果顯示ChatGPT的平均準確性得分為4.04，完整性得分為2.3。雖然表現不錯，但研究強調需謹慎對待潛在的錯誤資訊，並強調驗證大型語言模型作為健康資訊來源的重要性。 相關文章 PubMed DOI ♡

檢索增強生成（RAG）透過從資料庫中檢索知識來提升大型語言模型（LLMs）的表現，但傳統方法在檢索句子或段落時可能會引入噪音。為了解決這個問題，我們提出了BiomedRAG框架，將自動檢索的區塊文件直接輸入LLM。經過在四個生物醫學自然語言處理任務和八個數據集的評估，BiomedRAG的表現平均提升了9.95%，並且在多項基準上達到最先進的結果，超越了4.97%。這個框架為生物醫學領域的LLM應用提供了更準確且可調整的方法。 相關文章 PubMed DOI ♡

這項研究評估了四款人工智慧聊天機器人—ChatGPT-4o、MedGebra GPT4o、Meta Llama 3 和 Gemini Advanced，在回答牙髓學的多選題表現。從牙髓學教科書中選取100道題目，進行了兩輪測試。 結果顯示，ChatGPT-4o在兩輪測試中表現最穩定，MedGebra GPT4o在第一輪達到93%的最高準確率，而ChatGPT-4o在第二輪表現最佳（90%）。Meta Llama 3的表現較弱，正確率分別為73%和75%。總體來看，ChatGPT-4o和MedGebra GPT4o在此領域表現優異，但Meta Llama 3和Gemini Advanced仍需改進。 相關文章 PubMed DOI ♡

這篇回顧研究探討了ChatGPT在解剖學教育中的角色，分析了九項相關研究，涵蓋定量與定性研究。主要發現包括：七項為定量研究，四項與其他平台或人類回應比較，整體表現較弱，特別是在詳細答案和科學準確性上。儘管如此，ChatGPT在幫助學生理解解剖概念上顯示出潛力。未來隨著AI進步，可能會改善其在教育中的應用，但目前尚不適合廣泛使用。 相關文章 PubMed DOI ♡

這篇論文探討了新興的「LLM紅隊」實踐，這是一種故意挑釁大型語言模型（LLMs）以產生異常輸出的做法。透過質性研究和多位從業者的訪談，研究旨在定義LLM紅隊的概念、了解其動機，並描述攻擊策略。作者將LLM紅隊視為一種合作且非惡意的努力，主要源於好奇心和解決LLM部署潛在危害的願望。他們識別出12種策略和35種技術，幫助全面理解LLM紅隊的動機與方法。 相關文章 PubMed DOI ♡

這項研究探討了在盧旺達COVID-19疫情期間，被隔離患者的需求與挑戰。研究使用名為WelTel的數位健康服務，透過每日簡訊監測SARS-CoV-2病例。分析了2020年3月至2022年3月間，33,081名患者的對話，並將其與人口及臨床資料連結。結果顯示，最常討論的主題包括症狀、診斷和社會問題等。研究指出，互動式簡訊通訊能有效支持被隔離患者，並透過自然語言處理技術提供重要的醫療與社會見解，助於未來公共衛生應對。 相關文章 PubMed DOI ♡

這項研究評估了GPT-4 Vision (GPT4V)在識別多發性硬化症 (MS) MRI掃描的表現，並與U-Net和Vision Transformer (ViT)進行比較。研究分析了170名MS患者的496個MRI影像。結果顯示，U-Net和ViT的準確率均為94%，而GPT4V為85%。雖然GPT4V在可及性和易用性上有潛力，但由於錯誤分類和過於謹慎，尚不適合臨床應用。研究強調在醫療AI工具使用上需謹慎，特別是對於非專業使用者。 相關文章 PubMed DOI ♡

本研究綜合了近期在生物醫學領域中有關檢索增強生成（RAG）和大型語言模型（LLMs）的研究，旨在提供臨床發展的指導方針。透過系統文獻回顧和統合分析，研究納入了335項研究中的20項，結果顯示RAG顯著提升了模型表現，勝算比為1.35（P = .001）。報告詳細說明了臨床任務及評估方法，並提出在臨床環境中實施增強LLM的指導方針。未來研究應聚焦於RAG的整合與應用。 相關文章 PubMed DOI ♡

這項研究開發了一個名為CXR-LLaVA的開源多模態大型語言模型，專門用來解讀胸部X光影像並生成放射科報告。研究人員在包含374,881張標記影像的數據集上預訓練視覺變壓器，並結合大型語言模型進行微調，使用217,699份報告來提升生成準確性。CXR-LLaVA在內部測試中達到平均F1分數0.81，並在外部測試中為0.56，顯示出超越其他先進模型的潛力。該模型的報告準確率為72.7%，顯示出自動報告的可行性，並強調開源對進一步研究的重要性。 相關文章 PubMed DOI ♡