LLM 相關三個月內文章 / 第 15 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

人工智慧（AI）正顯著提升臨床藥理學和轉譯科學，特別是在藥物開發和病人照護上。最近的美國臨床藥理學與治療學會年會中，專家們探討了AI如何簡化藥物發現、劑量策略及結果評估等流程。大型語言模型在生物醫學研究中的應用，使數據分析更民主化，幫助研究人員更有效利用數據。此外，討論也提到可解釋的AI在預測藥物療效和安全性方面的潛力，以及整合AI所需的倫理考量。這些觀點強調了AI在加速藥物開發和滿足病人需求上的重要性。 相關文章 PubMed DOI 推理

這項研究評估了ChatGPT在急診環境中對眼部創傷的診斷及手術需求的有效性。分析了52個來自寧波眼科醫院的案例，使用GPT-3.5和GPT-4.0進行中英文分析，並結合眼部照片來評估表現。結果顯示，僅用文字的診斷準確率為GPT-3.5的80.77%-88.46%和GPT-4.0的94.23%-98.08%。但當加入圖像時，GPT-4.0的準確率降至63.46%。研究指出，雖然ChatGPT能協助急診醫生，但其對臨床圖像的理解能力仍需加強。 相關文章 PubMed DOI 推理

2024年語音人工智慧研討會將於5月1日至2日在佛羅里達州坦帕舉行，由Bridge2AI-Voice Consortium主辦。活動設有四個互動小組討論，旨在提升參與感與深入交流。每個小組討論將有45分鐘的專家提問，接著是45分鐘的「利害關係人論壇」，讓觀眾提問並進行互動投票，促進有意義的對話。研討會內容會進行音頻錄製，並利用生成式人工智慧工具製作文字稿，經過作者審核與編輯。 相關文章 PubMed DOI 推理

這項研究探討邏輯數學符號（LMS）處理的神經基礎，發現LMS能力可能源自基本的認知系統，特別是空間認知，而非語言處理。研究顯示，LMS與空間任務的腦部激活模式有顯著重疊，與語言處理的重疊則較少。層次聚類分析也顯示LMS任務在神經上與空間任務相似，暗示兩者有深層連結。這些結果支持空間認知是LMS處理基礎的觀點，並解釋大型語言模型在邏輯推理上的局限性，尤其是缺乏空間表徵的模型。 相關文章 PubMed DOI 推理

在資訊檢索評估中，使用大型語言模型（LLMs）來創建相關性判斷雖然有其優勢，但過度依賴可能會限制評估的有效性。LLMs的表現可能設下上限，無法識別更優秀的系統。建議將LLMs用於輔助角色，例如協助人類評審、生成訓練數據、進行質量控制及探索性分析。這樣可以發揮LLMs的優勢，同時保留人類專業知識的核心地位，確保評估的完整性。 相關文章 PubMed DOI 推理

一項研究比較了GPT-4和GPT-3.5在2022年整形外科進修考試的表現，結果顯示GPT-4的準確率為63%，高於GPT-3.5的58%。研究使用了三種提示策略，開放式問題準確率54%，多選題67%，帶解釋的多選題68%。GPT-4在乳房與美容部分的準確率最高，達74%。儘管GPT-4表現較佳，但其最高分仍僅在第15百分位，顯示其在外科訓練中仍需改進，才能成為有效的教育工具。 相關文章 PubMed DOI 推理

這項研究探討黑人及LGBQ+身份如何影響美國少數群體對HIV陰謀論的信念。調查顯示，黑人LGBQ+人士對這些陰謀論的信念比非黑人異性戀者更強烈。研究指出，對公共衛生機構的信任度低，以及對社交媒體和宗教領袖的依賴，與陰謀論信念有關。特別是，黑人LGBQ+人士對社交媒體的依賴與陰謀論信念的關聯性較弱。這些結果顯示在HIV議題上，需針對健康差異制定有效的溝通策略。 相關文章 PubMed DOI 推理

這項研究評估了ChatGPT在回答有關觸發指的病人問題的有效性，目的是改善病人教育並探討人工智慧的角色。研究人員整理了十個常見問題，並根據《美國醫學會雜誌》（JAMA）和DISCERN工具的標準評估ChatGPT的回答。結果顯示，ChatGPT的回答質量中等，60%被認為滿意，但40%有缺陷，主要是缺乏科學參考資料。此外，回答的可讀性達到大學水平，對健康素養較低的病人來說理解上有挑戰。結論指出，雖然ChatGPT能提供一般資訊，但在作為病人主要教育資源前，需專家監督。這是首個專門檢視ChatGPT在觸發指情境中的研究。 相關文章 PubMed DOI 推理

這項研究評估了ChatGPT-4生成的問卷在焦慮和憂鬱評估上的有效性，並與PHQ-9和GAD-7進行比較。新問卷GPT-PHQ-9和GPT-GAD-7在200名大學生中測試，結果顯示其可靠性可接受（Cronbach's α分別為0.75和0.76），且與已驗證工具一致性良好（ICC值為0.80和0.70）。研究發現中等相關性，憂鬱和焦慮的最佳截斷分數分別為9.5和6.5，顯示高敏感性和特異性。這些結果顯示ChatGPT-4調整的問卷值得在不同族群中進一步研究。 相關文章 PubMed DOI 推理

這篇論文介紹了MISTIC，一個專為利用義大利電子健康紀錄（EHRs）來分類乳腺癌患者轉移情況的自然語言處理框架。MISTIC採用變壓器架構，針對少量樣本學習進行優化，能在有限的標記數據和計算資源下有效運作。 MISTIC的主要流程包括文本分段和主題分析，增強了模型的信息處理能力。經過評估，MISTIC達到91.2%的F分數，超越傳統模式匹配系統和大型語言模型，展現高準確性和計算效率，成為醫學研究人員的寶貴工具，改善腫瘤學研究中的數據可及性和可解釋性。 相關文章 PubMed DOI 推理