這項研究發現，OpenAI 的推理型語言模型在日本放射科專科考題上表現比基礎模型好，但運算成本和處理速度都比較高。雖然正確率提升不少，但要考慮到費用和時間的增加。 相關文章 PubMed DOI 推理 ♡

這篇文章說明自我決定理論（SDT）能有效提升運動和身體活動的動機，主要靠增加自主性和支持心理需求。雖然SDT介入對健康行為有幫助，但效果多半只有小到中度。文中也提到SDT理論本身還有爭議，未來可結合新科技和行為科學來加強成效。 相關文章 PubMed DOI 推理 ♡

現有LLM文獻檢索工具常出現錯誤或捏造引用。LITERAS是一套開源多代理人系統，能高準確度搜尋並引用PubMed/MEDLINE的生醫文獻，引用準確率高達99.82%，表現優於Sonar等工具，且只引用同儕審查期刊。LITERAS大幅減少幻覺現象，優先引用新文獻，能產出更完整的文獻回顧，是AI輔助學術寫作的可靠選擇。 相關文章 PubMed DOI 推理 ♡

這篇系統性回顧發現，大型語言模型（LLMs）在牙醫教育有潛力幫助學生學習，但常出現不可靠或虛構的資料來源，且來源透明度不足。雖然LLMs可作為輔助工具，但建議要小心使用，並需進一步研究及和可靠資料整合。 相關文章 PubMed DOI 推理 ♡

這項研究評估AI面試工具"The Negotiator"對放射師畢業生的幫助。結果發現，這工具能提供結構化的面試練習，有助提升表達和自信，但在專業標準和臨床內容上還需加強。評分者意見不一，顯示工具尚待優化。整體來說，The Negotiator具潛力，但還需進一步改進和研究。 相關文章 PubMed DOI 推理 ♡

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 ♡