這項研究評估了兩個人工智慧語言模型，ChatGPT 和 BingAI Precise，在回答全國研究生入學考試（NEET-PG）練習題的表現。研究顯示，兩者都達到及格分數，但 BingAI 在準確性上持續優於 ChatGPT。統計分析確認了它們的正確答案率有顯著差異。結論指出，這兩個模型可作為醫學執照考試的學習輔助工具，未來若能在影像解讀上改進，將進一步強化其在教育和臨床環境中的應用。 相關文章 PubMed DOI ♡

在結構化資訊擷取（IE）領域，確保輸出符合語義和語法約束非常重要。傳統的編碼-解碼架構難以達成這些要求，因此研究者開始探索受語法約束的解碼方法。本研究檢視了微調的Longformer和Flan-T5模型在臨床試驗摘要中提取結構化資料的效果。結果顯示，受語法約束的解碼顯著提升了2型糖尿病和青光眼數據集的F1分數，而指標生成器則對性能造成負面影響。未來研究可探討大型語言模型的大小對這些解碼方法的影響。 相關文章 PubMed DOI ♡

一項2024年初的調查針對428名美國大學學生，探討他們對聊天機器人心理健康支持的看法。結果顯示，雖然近一半的學生使用過聊天機器人，但只有5%是為了心理健康支持，抑鬱或焦慮者中這一比例稍高，達8%。整體上，學生對傳統心理健康服務的態度較正面，對聊天機器人的支持則較中立，主要因為對其有效性存疑。研究建議需進一步探討聊天機器人的效果，以增強公眾信任和使用率。 相關文章 PubMed DOI ♡

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-3.5、ChatGPT-4.0 和 Google Gemini 在回答乙型肝炎病毒（HBV）相關問題的表現。醫療專業人員對其準確性進行評分，並評估可讀性。 主要發現包括： - 所有 LLM 在主觀問題上得分高，ChatGPT-4.0 準確性最高。 - 在客觀問題上，ChatGPT-4.0 準確率為 80.8%，優於其他兩者。 - ChatGPT-4.0 在診斷上表現佳，Google Gemini 在臨床表現強勁。 - 所有 LLM 的可讀性分數高於標準八級，對一般讀者來說可能過於複雜。 結果顯示，LLMs，特別是 ChatGPT-4.0，可能成為有關 HBV 的資訊工具，但不應取代醫生的個人化建議。 相關文章 PubMed DOI ♡

這項研究旨在利用現代數據技術提升中醫病例記錄的可及性與分析能力。研究分析了679份來自新安醫學王仲期醫師的病例，涵蓋41種疾病，並建立了模式層來整合數據與可視化。透過大型語言模型（LLM），自動識別病例中的關鍵資訊，並建立中醫病例知識圖譜。開發的查詢系統在性能評估中表現優異，顯示結合LLM與知識圖譜能顯著提升中醫資訊檢索的效率與準確性，未來將擴展數據集與精進查詢系統。 相關文章 PubMed DOI ♡

這篇文章探討了ChatGPT在診斷常見心律不整的潛力，研究分析了20,000名心律異常病患的電子病歷。結果顯示，ChatGPT的敏感度達93%、特異度89%、正確預測值91%及負確預測值92%。ROC曲線分析的AUC為0.743，顯示其診斷表現相當優秀。研究指出，ChatGPT的診斷能力與臨床專家相當，顯示其在輔助臨床決策及改善病人結果方面的潛力。 相關文章 PubMed DOI ♡

與年齡相關的黃斑變性（AMD）在老年人中引起廣泛關注，近期人工智慧（AI）的進展使得相關研究興趣大增。這項文獻計量分析針對1992至2023年間的AI在AMD研究進行系統評估，使用Web of Science核心合集資料，分析出版量、影響力及研究趨勢。結果顯示美國產出最多，墨爾本大學為主要機構，且深度學習模型的開發及早期檢測成為研究重點。此分析為未來研究提供了重要指引，促進該領域的合作。 相關文章 PubMed DOI ♡

噬菌體是專門感染細菌的病毒，對微生物生態系統非常重要。了解噬菌體的生物學，尤其是其蛋白質功能，對研究至關重要。雖然透過宏基因組測序已發現許多新噬菌體，但因多樣性和註解不足，許多蛋白質功能仍不明確。為此，我們開發了GOPhage工具，利用噬菌體基因組的模組化結構來進行蛋白質註解。GOPhage顯著提高了對分歧蛋白和不常見功能蛋白的註解準確性，並能處理無同源性搜索結果的蛋白質，顯示出其在噬菌體研究中的潛力。 相關文章 PubMed DOI ♡

這項研究探討使用ChatGPT來製作以病人為中心的前列腺活檢病理報告，旨在幫助病人理解複雜的醫學術語。研究人員根據國家綜合癌症網絡的指導方針，合成了35份報告並進行評估。結果顯示，AI生成的報告在醫生和病理學家的評價中大多準確且完整，雖然需要一些修改，但修改速度比撰寫原創報告快。這顯示ChatGPT有助於改善醫療提供者與病人之間的溝通，值得進一步研究。 相關文章 PubMed DOI ♡

大型語言模型（LLMs）在臨床實踐中有潛力提升病人教育與賦權，提供更個人化的醫療服務。然而，目前對其在病人照護中的應用資訊仍不夠完整。本系統性回顧分析了2022至2023年間的89項相關研究，主要集中於GPT-3.5和GPT-4，應用於回答醫療問題、生成病人資訊等。研究指出設計和輸出方面的限制，包括缺乏針對醫療的優化及數據透明度等問題。此回顧為LLMs在醫療環境中的應用與評估提供了基礎框架。 相關文章 PubMed DOI ♡