生物醫學研究常因流程繁瑣又重複，進展緩慢。Stanford 團隊推出 AI 助理 Biomni，能自動執行各種生醫研究任務，整合論文中的工具和資料庫，結合大型語言模型與程式碼執行，動態規劃複雜任務。測試證明 Biomni 泛用性高，無需特別調整就能處理多種生醫問題，幫助科學家加速研究。可至 https://biomni.stanford.edu 體驗。 相關文章 PubMed DOI 推理 ♡

sciL-aMA 是微軟推出的新深度學習框架，結合大型語言模型的基因嵌入和單細胞 RNA 定序資料，採用 paired-VAE 架構。這方法能同時為細胞和基因建立情境感知的表徵，提升批次校正、細胞分群和基因標記鑑定的效果，兼顧效率與可解釋性。原始碼在 GitHub：https://github.com/microsoft/sciLaMA 相關文章 PubMed DOI 推理 ♡

這篇研究提出 scATD 框架，運用大型語言模型，能快速預測單細胞 RNA 定序資料的藥物敏感性。scATD 不用重新訓練模型就能準確預測新病患，靠的是創新的風格轉換和知識蒸餾技術。測試結果顯示，scATD 在準確度、泛用性和效率都比現有方法更好，還能更清楚解釋基因和藥物的關聯，對精準腫瘤醫學很有幫助。 相關文章 PubMed DOI 推理 ♡

這項研究用fMRI和GPT語言模型分析真實對話時的大腦活動。結果發現，大腦有些區域在說話和聽話時處理語言很像，但也有些區域會根據你是說還是聽，出現不同活動，這跟大腦怎麼整合語境有關。代表理解和產生對話時，大腦有共同也有獨特的處理方式，會在不同時間尺度下運作。 相關文章 PubMed DOI 推理 ♡

研究發現，讓牙醫系大一、大二學生用生成式AI聊天機器人練習病史詢問，有助提升自信心。大二學生更認同這工具的價值。雖然大家覺得這方式沒面對面互動有趣，但都支持把聊天機器人納入課程，當作輔助練習的工具。 相關文章 PubMed DOI 推理 ♡

大型語言模型在辨識單一神經迷思時表現比人類好，但遇到實際應用情境時，通常不會主動質疑迷思，因為它們傾向迎合使用者。若明確要求糾正錯誤，效果才明顯提升。總之，除非特別指示，否則 LLMs 目前還不適合單靠來防堵教育現場的神經迷思。 相關文章 PubMed DOI 推理 ♡

榮格的原型不只是心理學概念，其實是生物、神經和文化共同編碼的心智模式。Barbieri 的「編碼生物學」認為生命靠編碼規則運作，神經科學也發現原型是大腦穩定的神經模式。現在 AI 也能模擬這些原型，雖然沒意識。這觀點把生物、心理和 AI 串連起來，認為原型是底層編碼的產物。 相關文章 PubMed DOI 推理 ♡

這項研究用GPT-3.5產生的合成資料訓練BERT模型，能自動從電子病歷自由文本中抓出難治型憂鬱症的關鍵預後因子。模型在真實臨床資料上辨識20個相關因子，F1分數最高達0.85。這方法有助於用日常紀錄偵測DTD，不需用到敏感資料或花錢請專家標註。 相關文章 PubMed DOI 推理 ♡

這篇論文提出 M2ERD 方法，結合大、小型語言模型優點來偵測多模態緊急謠言，並設計新融合網路整合文字和圖片資訊。實驗證明 M2ERD 在多個資料集的準確率和 F1-score 都優於現有方法，程式碼和資料已公開在 GitHub。 相關文章 PubMed DOI 推理 ♡

這項研究發現，社群媒體上關於自殺的討論常忽略弱勢族群的議題。研究團隊用AI生成補足這些缺漏主題的資料，讓機器學習模型訓練更全面。結果顯示，加入這些合成資料後，模型偵測自殺意念的準確度提升，有助於打造更包容的線上自殺風險偵測工具。 相關文章 PubMed DOI 推理 ♡