這篇論文提出一個能調整題目難度的REC資料集，並設計具挑戰性的負樣本，讓多模態模型測試更精確。作者提出兩種結合專家模型和多模態大型語言模型的方法：一是簡單題交給輕量模型，難題再給MLLM處理，提升效率；二是專家模型先篩選物件區域，再由MLLM選答案。這兩種合作方式都讓REC任務表現大幅進步，證明專業和通用模型結合很有效。 相關文章 PubMed DOI 推理 ♡

這項研究測試了經過客製化訓練的ChatGPT，針對高脛骨截骨術（HTO）問題的回答能力，並以專家共識聲明為基礎。研究用10題測試AI，並由三位膝關節外科醫師評分。結果顯示，AI在正確性、相關性、清楚度和完整性方面表現都不錯，評審間一致性也高。雖然對非共識聲明的題目分數略低，但整體來說，這個AI有潛力成為外科醫師的輔助工具，也適合應用在其他醫療指引上。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT在解釋膝關節置換手術及術後照護時，比DeepSeek更準確、讓人更滿意。不論病人還是骨科醫師，都比較推薦ChatGPT。顯示ChatGPT有機會成為病人衛教和減輕手術焦慮的好幫手。未來可再研究AI怎麼融入臨床，對治療結果有什麼影響。 相關文章 PubMed DOI 推理 ♡

大型語言模型如GPT-4在醫療領域展現高度潛力，能應用於臨床、研究和教學。不過，目前仍面臨幻覺、可解釋性不足及倫理等挑戰。未來應加強標準化評估、多模態發展及跨領域合作，才能真正發揮其醫療價值。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4.0在回答先天性上肢差異常見問題時，大約一半答案正確且清楚，但有8%內容不夠好或可能誤導。回答內容深度和完整性不一，且很少建議諮詢專業醫師。總結來說，ChatGPT提供的資訊大致可靠，但不夠全面或個人化，建議病人衛教時要小心使用。 相關文章 PubMed DOI 推理 ♡

這篇研究用 Bio_ClinicalBERT 等預訓練語言模型，提出產生去識別化合成臨床信件的方法。結果顯示，僅有編碼器的模型表現較佳，只要保留臨床實體，一般模型也能媲美專用模型。遮罩停用詞有助提升品質，遮罩名詞或動詞則會降低品質。BERTScore 是最佳評估指標。偶爾的幻覺對臨床應用影響不大。程式碼和模型已開源。 相關文章 PubMed DOI 推理 ♡

**重點摘要：** 這項研究比較了人類、大型語言模型（LLMs）以及強化學習（RL）在一個為期多天的通勤決策遊戲中的表現，目的是評估AI取代人類決策的能力。LLMs展現出類似人類的學習能力，也能做出穩定的決策，但在團體合作、理解他人選擇，以及應用現實世界知識方面仍有困難。 相關文章 PubMed DOI 推理 ♡

這篇病例報告指出，失語症患者在醫師協助下，透過ChatGPT提升寫作能力，不僅句子變多、錯誤減少，還變得更有自信且能獨立完成寫作。一年後仍持續使用，顯示AI工具對提升書寫溝通和參與生活很有幫助，尤其對熟悉科技的人效果更明顯。 相關文章 PubMed DOI 推理 ♡

AI，尤其是大型語言模型，正大幅改變醫療研究，但也帶來作者歸屬、透明度和濫用等倫理問題。各大組織強調AI應負責任且透明使用，並不承認聊天機器人為共同作者。未來AI應用需持續遵守倫理規範，審慎推動。 相關文章 PubMed DOI 推理 ♡

這項研究比較 GPT-4o 和 LLaMA 3.1 405B 在葡萄牙語醫學考題的表現，發現 GPT-4o 的正確率普遍高出 7–11%，尤其在 chain-of-thought 提示下表現最佳。兩者在小兒科表現較好，外科和精神科較差。GPT-4o 的答案分布較穩定，LLaMA 3.1 則有偏誤。整體來說，封閉原始碼模型目前表現較佳，但開放原始碼模型未來有機會追上。 相關文章 PubMed DOI 推理 ♡