這項研究探討了研究人員在處理大量生物醫學文獻時的挑戰，並提出了一種混合方法，結合文本挖掘、圖神經網絡（GNNs）和微調的大型語言模型（LLMs）。這種方法旨在增強生物醫學知識圖譜，並解釋預測的關係。研究顯示，該方法在蛋白質相互作用數據集上達到0.772的馬修斯相關係數，並在失眠研究中識別出25個新的人類蛋白質相互作用。這種方法有助於加速治療靶點的發現，並提高文獻分析的效率。 相關文章 PubMed DOI ♡

心血管疾病是全球主要的健康問題，人工智慧（AI）如ChatGPT為心血管醫學帶來了新機會。這篇文章探討了ChatGPT如何透過症狀分析、風險評估和診斷輔助來提升臨床決策，並改善醫療教育及研究交流。不過，也需注意潛在的不準確性、倫理問題和數據隱私等挑戰。未來應專注於提升訓練數據質量、開發專用模型及建立監管框架，以增強ChatGPT的臨床應用，進而改善治療效果和護理品質。 相關文章 PubMed DOI ♡

本研究評估了六款流行聊天機器人（ChatGPT-3.5、ChatGPT-4.0、Gemini、Copilot、Chatsonic 和 Perplexity）在提供圓錐角膜資訊的可靠性。使用 mDISCERN 和全球質量評分（GQS）指標進行評估，結果顯示大部分網站的責任性較低，且可讀性普遍偏高。Gemini 和 Copilot 的表現最佳，顯示出較高的可靠性和質量，但仍需改善以符合病人的健康素養需求。 相關文章 PubMed DOI ♡

心臟衰竭（HF）是全球健康的重要議題，影響死亡率和經濟負擔。先進的人工智慧技術，特別是像ChatGPT這樣的系統，為HF管理帶來新機會。這篇綜述分析了多個醫學資料庫的研究，探討ChatGPT在HF預防、診斷和管理中的應用，特別是對臨床決策和病人教育的影響。儘管有潛力，ChatGPT仍面臨訓練數據不足和倫理問題等挑戰。文章也強調了其在個性化治療計劃中的有效性，並希望能幫助醫療專業人員更好理解其優缺點。 相關文章 PubMed DOI ♡

這篇評論探討了人工智慧（AI）在癌症研究中的雙重角色。一方面，AI工具如人工通用智慧（AGI）和生成式AI（GenAI）提升了研究效率，幫助科學家在腫瘤分析和治療預測上取得進展，對癌症患者的研究價值有正面影響。另一方面，過度依賴AI可能削弱人類的創造力、批判性思維和抽象能力，影響科學的突破性發現。總之，雖然AI能提升癌症研究的生產力，但也帶來創造性和批判性思考的風險。 相關文章 PubMed DOI ♡

這項研究探討了使用GPT-3.5-turbo模型來自動分類胸部CT報告中的肺癌TNM分期，重點在英語和日語報告。研究顯示，英語報告中使用完整TNM定義能達到最高準確性，並分析了T、N、M因素的具體準確性。提供定義顯著提升了每個因素的準確性，但日語報告在N和M分類的準確性較低。這些結果顯示多語言模型在放射學自動化TNM分類的潛力，且即使不額外訓練，提供定義也能改善表現。 相關文章 PubMed DOI ♡

引入事實與幻覺提示解碼法（DFHP）的目的是解決大型語言模型中的幻覺問題，避免生成不相關或無意義的文本。透過對比解碼，DFHP強調事實提示與幻覺提示的輸出概率差異。實驗顯示，這方法在多項任務中提升了像LLaMA這類模型的事實準確性，且不需額外訓練。在TruthfulQA數據集上，DFHP在不同模型大小中平均提升了6.4%的準確性，特別適合用於醫療診斷和法律等高風險應用。 相關文章 PubMed DOI ♡

這項研究提出了一個創新的框架，將大型語言模型LLAMA_V2整合進開放無線接取網路（O-RAN）系統，專注於高效的網路切片，滿足多樣化服務需求。透過物聯網設備的數據流，利用O-RAN的切片能力進行動態資源分配，並藉助LLAMA_V2的優化技能提升效能。LLAMA_V2能有效捕捉複雜的網路動態，表現優於傳統AI/ML模型。該框架在降低延遲、提高吞吐量和減少封包損失等關鍵指標上表現卓越，成為5G網路應用的寶貴解決方案。 相關文章 PubMed DOI ♡

CIPHER是一款專為滲透測試設計的AI語言模型，旨在協助網路安全領域的專業人士，特別是初學者。它基於300多個高品質資源進行訓練，並採用FARR流程來提升自動化滲透測試的準確性。CIPHER在性能評估中表現優於其他開源模型，尤其在複雜的環境中更顯優勢，顯示出大型語言模型在滲透測試中的局限性。透過進一步擴展和精煉基準，CIPHER的效能還有望持續提升。 相關文章 PubMed DOI ♡

這項研究提出了一個名為Needs Companion的系統，旨在更直接有效地識別個別服務需求。透過6W1H框架（誰、什麼、何時、哪裡、為什麼、怎麼做以及多少），該系統利用虛擬代理引導需求，並運用大型語言模型進行分析。實驗結果顯示，Needs Companion能快速準確地檢測需求，為個性化服務提供有價值的數據。這項研究對機器學習、人本設計和需求工程具有重要意義，促進了更具針對性的服務交付。 相關文章 PubMed DOI ♡