這項研究探討了ChatGPT-4在遠程皮膚科的應用，將其在圖像描述和診斷生成的表現與人類醫生進行比較。分析了154個遠程諮詢，結果顯示ChatGPT-4的第一診斷一致性為70.8%，前三名一致性達87.7%。此外，該聊天機器人的圖像描述準確率高達84.4%，超過人類醫生。這些結果顯示，ChatGPT-4在提升遠程皮膚科診斷和圖像分析方面具有潛力，暗示人工智慧在醫療領域的未來角色。 相關文章 PubMed DOI ♡

這項可行性研究探討了人工智慧（AI），特別是Chat-GPT在急性婦產科緊急情況中的應用。研究中使用了十個虛構案例，Chat-GPT提供的分診和管理建議經過人類專家的審查。結果顯示，Chat-GPT的分診結果與人類評估者相近，管理建議也獲得高評價，顯示其具備提供結構化建議的能力。不過，評估者指出在緊急程度的感知上有些微差異，強調人類監督的重要性。總體而言，研究建議將Chat-GPT與人類專業知識結合，以確保最佳病人護理。 相關文章 PubMed DOI ♡

這項研究探討了使用ChatGPT輔助的問題導向學習（PBL）對泌尿科醫學實習生的成效，並與傳統教學方法比較。實習生分為兩組，一組使用ChatGPT輔助，另一組則接受傳統教學。結果顯示，兩組的成績都有提升，但使用ChatGPT的組別在理論知識和臨床技能上表現更佳，學生們對這種AI輔助的學習方式也表示滿意。研究顯示ChatGPT能提升醫學教育的學習效果，但仍需進一步探討AI資訊的可靠性及其大規模應用的影響。 相關文章 PubMed DOI ♡

這項研究探討了不同AI聊天機器人對再生性根管治療的回應準確性。研究人員根據美國根管治療學會的指導方針，設計了23個問題，並向三個AI平台詢問，收集了1,380個回應。結果顯示，帶有PDF插件的ChatGPT-4的正確率最高，達98.1%，而Gemini最低，僅48%。雖然其他平台有潛力，但在臨床應用上仍需改進。研究建議未來開發專為根管治療設計的AI工具。 相關文章 PubMed DOI ♡

這項研究首次評估了ChatGPT和Gemini聊天機器人在提供病毒性肝炎資訊的準確性與可靠性。研究共分析176個問題，結果顯示兩者的平均分數相近（3.55對3.57），且正確回答比例也相似（71.0%對78.4%）。在CDC問題上，兩者的正確率都很高，但在國際指導方針問題上則表現不佳。整體而言，雖然在CDC和社交媒體問題上表現良好，但在指導方針的準確性上仍有待加強。 相關文章 PubMed DOI ♡

這項研究強調大型語言模型（LLMs）在醫療領域的潛力，特別是透過檢索增強生成（RAG）來提升數據透明度和準確性。研究團隊開發了GuideGPT，一個能理解上下文的聊天機器人，整合了449篇科學文獻的知識，提供有關藥物相關性顳骨壞死（MRONJ）的資訊。與通用的PureGPT相比，GuideGPT在內容、科學解釋和一致性上表現更佳，顯示RAG能有效提升LLM的回應質量，成為臨床實踐中的重要工具。 相關文章 PubMed DOI ♡

這項研究比較了AI工具（ChatGPT-4）和人類導師在牙科學生作業反饋的效果。共評估194個回答，結果顯示在某些問題上AI的表現更佳，尤其在識別錯誤和提供清晰建議方面。雖然學生對人類導師的反饋感到更舒適，但在理解錯誤和批判性思考的促進上，兩者並無顯著差異。整體來看，AI工具有潛力成為人類輔導的有效補充，能更快速提供詳細反饋。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT 4.0在回答有關拳擊手骨折的常見問題的準確性。研究人員從五個可信醫療來源中挑選出十大問題，並請三位手部骨科專家根據A-F的評分標準進行評分。結果顯示，ChatGPT的整體評分為B，表示答案通常足夠，但需小幅澄清。值得注意的是，7個回答建議使用者諮詢醫療專業人員。一般性問題得分較高（A-），而管理相關問題得分較低（C+）。整體而言，ChatGPT能有效回答有關拳擊手骨折的問題。 相關文章 PubMed DOI ♡

這項研究開發了一個名為RAMIE的框架，專門用來從臨床記錄中提取膳食補充劑的資訊，重點在四個任務：命名實體識別、關係提取、三元組提取和使用分類。RAMIE透過指令微調、多任務訓練和檢索增強生成來提升效率和性能。結果顯示，Llama2-13B模型在命名實體識別和關係提取上都有所提升，而Llama2-7B在三元組提取上表現更佳。整體而言，RAMIE在多任務資訊提取上顯示出顯著進展。 相關文章 PubMed DOI ♡

製藥產業正專注於改善藥物開發，目的是降低成本、提升效率，並改善病患的治療效果。模型導向藥物開發（MIDD）透過數學模型模擬藥物的吸收和代謝，而人工智慧（AI）則利用機器學習分析大量數據，進行更準確的預測。結合MIDD與AI，可以透過虛擬試驗優化藥物選擇和治療策略，降低風險。不過，數據質量、隱私和模型可解釋性等挑戰仍需克服。這種整合有潛力改變藥物發現和個人化醫療，對病患和製藥業皆有益處。 相關文章 PubMed DOI ♡