這項研究評估了新推出的AI模型Claude 3 Opus在診斷和規劃頭頸部鱗狀細胞癌（HNSCC）治療的效果，並與ChatGPT 4.0進行比較。研究於2024年3月進行，涵蓋50例HNSCC病例，並將AI模型的建議與傳統的多學科腫瘤委員會（MDT）建議進行對比。結果顯示，Claude 3 Opus在診斷準確性上優於ChatGPT 4.0，且提供的治療建議與MDT一致。雖然在臨床建議和解釋方面表現相當，但Claude 3未引用資訊來源。總體而言，Claude 3 Opus顯示出作為診斷工具的潛力，建議在臨床環境中使用。 相關文章 PubMed DOI ♡

認知科學家一直在研究人類概念的表徵方式，尋找能有效計算相似性、特徵、類別等屬性的方法。這種表徵應能促進理論創建和知識發展。近來，基於向量的表徵成為熱門選擇，特別是在大型語言模型的進展下。這些向量能處理複雜屬性，如組合性和結構關係，顯示出它們在神經架構中可能有效編碼類似人類的概念理解。 相關文章 PubMed DOI ♡

這項研究探討了不同人工智慧模型在精神醫學診斷的表現，包括GPT-3.5、GPT-4、Aya和Nemotron。由於病人主觀報告的影響，準確診斷常常困難。研究使用20個DSM-5的臨床案例，結果顯示GPT-3.5和GPT-4在準確性和推理上優於其他模型，尤其在診斷精神病和雙相情感障礙方面表現突出，但在某些情況下則不佳。研究建議，人工智慧有潛力改善精神科診斷，但其他模型需進一步改進，未來應擴展數據集以增強診斷能力。 相關文章 PubMed DOI ♡

這項研究探討如何利用大型語言模型（LLMs）預測蛋白質相變（PPTs），對於理解與年齡相關的疾病如阿茲海默症非常重要。研究者微調了一個LLM，評估蛋白質序列變異對PPTs的影響，結果顯示該模型的表現超越傳統方法，並結合隨機森林模型提升可解釋性。此外，研究發現阿茲海默症相關蛋白質的聚集增加與基因表達下降有關，暗示可能存在自然防禦機制來對抗該疾病。 相關文章 PubMed DOI ♡

這項研究評估了三個大型語言模型（LLMs）—ChatGPT 4.0、Bard 和 LLaMa 在生成抗體藥物偶聯物（ADCs）相關眼部毒性資訊的表現。共提出22個問題，專家對模型的回答進行評分。結果顯示，ChatGPT的準確性得分為4.62，Bard為4.77，LLaMa為4.41，前兩者顯著高於LLaMa。在完整性方面，三者得分相近。整體而言，這些模型在眼科專業主題上表現良好，但ChatGPT和Bard的準確性較高。建議隨著研究進展，應重新評估這些模型的表現。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT對家長詢問兒童眼科和斜視問題的回答準確性。分析了817個問題，結果顯示78.09%的回答完全正確，19.09%正確但不完整，只有2.81%部分不正確，且沒有完全錯誤的回答。平均可讀性分數為14.49，超過成人的標準，這引發了一些擔憂。儘管可讀性有待改善，研究仍顯示ChatGPT能提供準確可靠的資訊，顯示其在醫療領域的潛力。 相關文章 PubMed DOI ♡

這篇論文反對將人工智慧（AI）系統，特別是大型語言模型（LLMs），列為科學論文的作者。作者認為，LLMs 無法對其產出負責，這是成為作者的必要條件。他們指出，AI 工具不具備有意義的寫作能力，也缺乏持久身份，並討論了 AI 作為作者可能對學術出版造成的負面影響。最後，作者質疑僅為了發表而使用 AI 生成更多研究的價值，並建議應該能夠識別過去 AI 使用的工具，以防止其成為作者。 相關文章 PubMed DOI ♡

這項研究探討符號系統，特別是語言，如何透過個體發展和歷史演變而形成。提出的集體預測編碼（CPC）假說，強調身體互動與社會互動在內部表徵和意義分享中的關聯。研究基於預測編碼，並借鑒計算模型，如概率生成模型和語言遊戲。CPC假說與自由能原則相連，暗示符號的出現與最小化自由能的社會原則一致。文章回顧相關研究，並探討未來的挑戰及跨學科研究機會。 相關文章 PubMed DOI ♡

PANDA-3D 是一款深度學習工具，專門用來從 AlphaFold 預測的蛋白質結構中推測基因本體 (GO) 術語。它結合了幾何向量感知器圖神經網絡和變壓器解碼器層，進行多標籤分類，表現優於傳統依賴實驗的結構方法，並在使用氨基酸序列的其他先進技術中也具競爭力。AlphaFold DB 擁有超過 2 億個預測的蛋白質結構，PANDA-3D 成為準確註解蛋白質功能的重要資源，並可透過網頁伺服器和資料庫輕鬆訪問。 相關文章 PubMed DOI ♡

這項研究評估了GPT-4在診斷罕見疾病的表現，使用了5,267份以phenopackets格式整理的案例報告。研究旨在克服以往樣本量小和主觀評估的問題。結果顯示，GPT-4的正確診斷平均倒數排名（MRR）為0.24，表示在19.2%的案例中正確診斷排名第一，28.6%排名前三，32.5%排名前十。這是迄今對大型語言模型在罕見疾病診斷的最大分析，提供了更真實的能力評估。 相關文章 PubMed DOI ♡