這項研究發現，ChatGPT 3.5和Google Gemini在回答家長兒童牙齒外傷問題時，表現差不多。Gemini的答案較可靠，ChatGPT 3.5則較容易懂，實用性兩者相近。不過，AI只能提供初步資訊，還是要諮詢專業牙醫。 相關文章 PubMed DOI 推理 ♡

這項研究比較了多種大型語言模型（LLM）方法，把電子病歷的非結構化醫療文本標準化成臨床術語。結果發現，檢索增強生成（RAGnorm）方法表現最穩定、準確度最高，即使沒訓練資料也很有效。這類檢索型LLM在生醫文本標準化上很有潛力，值得持續發展與應用。 相關文章 PubMed DOI 推理 ♡

這項歐盟 Interact-Europe 計畫，針對腫瘤學教育教材，開發並評估專為醫學領域設計的語音和機器翻譯系統，把英文訓練影片翻成法文、西班牙文、德文和斯洛維尼亞文。研究比較三種醫療機器翻譯模型，發現大型語言模型（LLMs）翻譯品質可比傳統系統。團隊也公開一個大型腫瘤學訓練影片資料集供大家研究。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4 和 4o 在回答肌肉骨骼放射學問題時，表現比 DeepSeek R1 好很多，答案更準確、結構清楚，參考資料也比較可靠。特別是針對最新研究，ChatGPT-4o 最值得信賴；相較之下，DeepSeek R1 常出錯，還會給假資料，還需要再加強。 相關文章 PubMed DOI 推理 ♡

目前針對多模態大型語言模型處理點雲資料的評測標準很有限，難以全面評估模型的空間理解與推理能力。為此，作者提出3DBench，涵蓋十項物件與場景任務，並分為表達、感知、推理三類。作者也建立了超過23萬筆3D指令問答資料集，並設計Bench-model來提升表現。程式碼和資料已開源於GitHub。 相關文章 PubMed DOI 推理 ♡

這項研究用多個大型語言模型（像是GPT-4、Claude 3.5等）來自動化產生EMS對話的電子病歷，結果比單一模型更準確，F1分數最高到0.81。專家也認為這系統能減輕紀錄負擔，但偶爾還是會誤解醫療情境。這是首次針對急診醫療紀錄自動化做系統性評估，展現未來應用潛力。 相關文章 PubMed DOI 推理 ♡

這項研究發現，大型語言模型（LLMs）在有明確、結構化提示下，能準確且一致地評分醫學生臨床紀錄，但如果只給簡單指示，結果會不穩定。LLM有時會算錯總分，需要外部協助。整體來說，經過優化後，LLM有潛力成為醫學教育自動評分工具，但針對更複雜的評分系統還需進一步研究。 相關文章 PubMed DOI 推理 ♡

這項研究用transformer深度學習模型，分析美國29年健康與退休資料，預測年長者死亡率。模型涵蓋財務、身心健康等126項風險因子，預測準確度比傳統方法高出許多，平均精確度甚至提升一倍。結果顯示transformer模型在老化與死亡風險預測上很有潛力。 相關文章 PubMed DOI 推理 ♡

兒童加護病房在照護創傷病童時，因社會健康決定因素（SDoH）資料收集不一致，常常無法精準媒合資源。這份提案建議用AI工具來標準化SDoH資料，幫助病童和醫療團隊更快找到合適資源。評估AI工具時，會用RE-AIM架構來看其成效、易用性和資源分配影響。 相關文章 PubMed DOI 推理 ♡

這項研究開發了一套免寫程式碼、全自動化的方法，利用GPT-4o mini從50份藥品說明書中擷取兒童用藥資訊。辨識兒科適應症時，召回率高達95%、精確率有78%，證明大型語言模型能有效分類適合兒童的藥物。這工具讓沒IT背景的醫療人員也能輕鬆操作。 相關文章 PubMed DOI 推理 ♡