這篇研究針對電子病歷中難以提取健康社會決定因素（SDoH）問題，從四家醫院建立標註資料集，涵蓋21種SDoH，並用多種模型（包含大型語言模型）進行偵測。經過指令微調的LLMs表現最佳，F1值都很高，但模型跨醫院應用仍有困難。訓練好的模型已公開在GitHub。 相關文章 PubMed DOI 推理 ♡

這項研究發現，Meta 的 Llama 3.1 大型語言模型，只用提示詞就能準確從放射科報告中擷取脊椎壓迫性骨折資訊。測試 637 份 CT 報告時，Llama 3.1 70B 加上醫師寫的背景提示詞，F1 分數高達 0.91，效果幾乎和 LLM 產生的提示詞一樣好。加入 few-shot 範例效果不一。顯示開源 LLM 幾乎不用人工處理就能結構化放射科資料。 相關文章 PubMed DOI 推理 ♡

這項研究比較四種大型語言模型在回答心血管疾病預防問題時的表現。結果發現，ChatGPT-4.0 英文答題最準確且自我覺察，中文則是 ERNIE 表現較好。不過，所有模型在中文表現都稍差，顯示有語言偏差。這提醒我們，AI 醫療建議在不同語言下還需要持續檢驗。 相關文章 PubMed DOI 推理 ♡

這篇研究提出COMPOSER-LLM，把大型語言模型和現有敗血症預測工具結合，能同時分析結構化數據和臨床紀錄文字。實測2,500名病人，結果顯示新系統比傳統模型更準確，敏感度高、誤報少。即使有誤判，很多病人其實也有感染，證明這方法在臨床上很有幫助。整合LLM能更有效利用電子病歷，提升敗血症早期預測。 相關文章 PubMed DOI 推理 ♡

這項研究推出DRAGON challenge，提供28項任務和近2.9萬份標註荷蘭醫療報告，協助自動化標註臨床資料，促進AI診斷工具訓練。結果顯示，針對臨床資料預訓練的LLM表現較佳，但部分任務仍有進步空間。所有資料和程式碼都已公開，歡迎大家使用。 相關文章 PubMed DOI 推理 ♡

這項研究開發出一套結合 ChatGPT-4 的認知型機器人架構，能模擬人類個性、情緒、動機、注意力和記憶。機器人可處理文字和影像，並根據設定的個性回應，還能用文件嵌入技術實現長期記憶。個性模擬參考心理學理論，並用 Big Five 測驗驗證。Mobi 機器人展現出先進的心智理論，能靈活應對社交互動，對話自然又有意圖。 相關文章 PubMed DOI 推理 ♡

HELMET模型結合機器學習、醫師判斷和電子病歷，能即時預測中風後腦部中線偏移的風險和嚴重度。它會隨時間動態更新預測，協助醫師即時管理病人。測試顯示，HELMET準確率高達96.6%，是臨床上全新且即時的決策輔助工具。 相關文章 PubMed DOI 推理 ♡

研究人員用磷酸活化黃鐘木葉子，製成的活性碳能有效去除水中除草劑2,4-D，尤其在pH 2時效果最佳。這種活性碳吸附能力強、可重複使用至少五次，且即使有其他無機離子也不影響效果，具高成本效益，是很有潛力的水質淨化材料。 相關文章 PubMed DOI 推理 ♡

作者用三種大型語言模型（Mistral、Llama3、Haiku）產生大量自由聯想詞彙，並和人類的 SWOW 資料集對照，建立了新的 LWOW 資料集。這讓我們能直接比較人類和 LLMs 的概念知識組織，並用語意啟動模擬來驗證模型，也能用來研究人類和 LLMs 的隱性偏見。 相關文章 PubMed DOI 推理 ♡

AI（像 ChatGPT）在整形外科教育有潛力，能協助學習和考試，但內容偶有錯誤，證據也還不夠多。AI 可輔助基礎教學和技能評估，但無法取代專業醫師。未來需更多研究、提升技術及明確規範，才能安全有效應用。 相關文章 PubMed DOI 推理 ♡