這篇論文提出VLMTraj模型，把行人軌跡預測轉換成視覺問答任務，結合視覺-語言大型語言模型來處理。它用自然語言和視覺token描述場景與軌跡，並設計專屬token化方法處理數值資料。VLMTraj在公開測試中表現優於傳統模型，能更好理解社交互動和場景脈絡，提升多模態軌跡預測的準確度。 相關文章 PubMed DOI 推理 ♡

這篇論文提出LMT++架構，結合多模態大型語言模型（LLM）當教師，並用自適應加權策略，解決手術視覺問答在持續學習時的領域轉移和資料不平衡問題。作者也建立了新的手術VQA資料集，實驗證明他們的方法比現有做法更有效。 相關文章 PubMed DOI 推理 ♡

這項研究比較三款大型語言模型在肺炎治療建議的準確性。結果顯示，OpenAI O1 表現最好，O3 mini 次之，ChatGPT-4o 最差。具備 chain-of-thought 推理的模型（O1、O3 mini）在專家回饋後進步明顯，顯示這種推理機制有助於提升臨床決策的可靠性。 相關文章 PubMed DOI 推理 ♡

ChatGPT-3.5 回答糖尿病足潰瘍問題時，內容大致正確且易懂，但偶爾會有錯誤或資訊不全，且用詞有時較艱深。它適合提供一般資訊，但不能取代醫師專業建議，醫師也要了解其優缺點。 相關文章 PubMed DOI 推理 ♡

大型模型正逐步改變醫學影像領域，不僅提升診斷準確度，也讓流程更有效率、治療更個人化。本文整理其關鍵技術、訓練方式與應用現況，並指出資料品質、安全性及臨床整合等挑戰。未來建議聚焦於提升模型效率、可解釋性與泛化能力，確保臨床應用可靠。 相關文章 PubMed DOI 推理 ♡

這項研究用 Llama 3 把 1,192 條本體論公理翻成自然語言，讓專家更好評估。結果只有約 14% 翻得完全正確，22% 不正確，64% 部分正確。Llama 3 處理簡單公理還行，但遇到複雜內容就比較不行。未來如果再訓練或當輔助工具，還有進步空間。 相關文章 PubMed 推理 ♡

研究比較 ChatGPT（3.5、4.0）和澳洲泌尿科住院醫師在專科考試的表現，結果住院醫師的通過率和分數都比 AI 略高，雖然差異沒達到統計顯著。考官大多能分辨 AI 答案。整體來說，ChatGPT 在這類高階醫學考試還是比不上人類醫師。 相關文章 PubMed DOI 推理 ♡

scExtract 是一套新工具，運用大型語言模型自動化分析單細胞 RNA 定序資料，能從論文中擷取資訊，提升資料前處理、註解和整合效率。它結合先前知識，批次校正和生物多樣性保留都比現有方法更好，已成功整合 14 個資料集，建立 44 萬個細胞的人類皮膚細胞圖譜。 相關文章 PubMed DOI 推理 ♡

CLOVER 是一套專為數位病理學設計的高 CP 值對話式 AI 架構。它只需訓練小模組，主模型不用動，並用 GPT-3.5 加上聰明提示語來產生病理專屬指令，省下不少成本。CLOVER 的混合型視覺問答表現甚至比大模型還好，資料少也能跑得不錯，未來在臨床應用很有機會。 相關文章 PubMed DOI 推理 ♡

mRNA除了製造蛋白質，還有很多調控功能，但現有研究方法很難全面發現。這篇文章認為，AI（像大型語言模型和圖神經網路）有機會徹底改變RNA生物學，幫助我們更有效分析mRNA非編碼區和交互作用。作者也提出整合AI工具和資料的計畫，並鼓勵生物學家和資訊科學家合作。 相關文章 PubMed DOI 推理 ♡