這篇論文提出 MTL-PORL 框架，結合多任務學習、神經科學啟發的 refresh learning 和 Pareto 最佳化，專為 ChemBERTa 分子性質預測設計。它有效解決大型語言模型持續學習時的遺忘問題，在化學資料集上表現比現有方法更好，能兼顧知識保留和新資料適應。 相關文章 PubMed DOI 推理 ♡

LLMDTA 是一套全新藥物-靶點結合親和力預測工具，特別適合預測沒見過的新藥或新蛋白質。它用先進語言模型萃取特徵，搭配 CNN 和注意力機制，無論一般或冷啟動情境，預測表現都比現有方法更好。基準測試和實例都證明其可靠性，程式碼和資料可在 GitHub 取得。 相關文章 PubMed DOI 推理 ♡

這項研究提出KSDDC深度學習模型，把大型語言模型和專業知識結合，提升癌症藥物組合預測效果。KSDDC把藥物和細胞株的知識特徵納入模型，F1-score比現有方法最高提升19%。這證明結合知識和數據驅動方法，能有效發現藥物協同作用。 相關文章 PubMed DOI 推理 ♡

這篇研究用蛋白質語言模型結合深度學習，來預測蛋白質和金屬離子的結合位置，成功突破過去在序列和位置資訊上的限制。新方法比傳統機器學習更準確，針對六種主要金屬離子，預測表現非常好（MCC 0.89，精確度、召回率、F1分數都超過95%），證明語言模型和位置編碼在這領域很有潛力。 相關文章 PubMed DOI 推理 ♡

這篇論文提出用大型語言模型（LLMs）從少量經驗中萃取環境知識，並將這些知識應用在強化學習的獎勵塑形上，提升多任務學習的效率。方法泛用性高，能幫助不同RL任務。實驗證明在Minigrid和Crafter環境下，學習效率明顯提升。 相關文章 PubMed DOI 推理 ♡

研究比較了OpenAI的GPT-4o和專門調校的o1模型，針對100題耳鼻喉科問題測試。兩者答題正確率相近（o1為73%、GPT-4o為64%），差異不大，也沒出現重大錯誤。專業調校帶來的好處有限。結果顯示，AI在耳鼻喉科領域已有一定可靠性，但正式應用前還需持續驗證與監督。 相關文章 PubMed DOI 推理 ♡

我們開發了一套多角度驗證框架，專門評估像 GPT-4 這類大型語言模型產生的知識圖譜三元組品質，重點放在語意合理、本體型別相容和結構重要性。這方法應用在慢性腎臟病資料上，能有效辨識高品質三元組，對大規模醫學知識圖譜的建構和驗證很有幫助。 相關文章 PubMed DOI 推理 ♡

這項研究比較了三款 AI（ChatGPT-4o、Claude 3.5 Sonnet、ChatGPT-o1）在重症麻醉計畫擬定上的表現。結果顯示，三者整體品質差不多，但 ChatGPT-o1 的答案最準確、相關性最高，錯誤也最少且較不嚴重，較適合臨床應用。不過，還需要更多臨床驗證。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4.0回答骨科創傷問題時，雖然用詞簡單、易讀，但內容正確性和安全性不一定有保障，有些甚至可能有誤導或危險。建議AI產生的醫療資訊，臨床使用前一定要經過專家審核。 相關文章 PubMed DOI 推理 ♡

傳統疫情情報蒐集速度慢又仰賴人工，常常延誤疫情偵測。這篇文章提出用AI（像是大型語言模型、NLP和最佳化演算法）打造即時、可調整的疫情監測系統。新系統能整合多元資料、處理多語言、過濾假消息，還能協助醫療資源分配，提升早期警示和預測能力，解決現有速度、準確度和政策配合的問題。 相關文章 PubMed DOI 推理 ♡