這項研究比較了AI模型（ChatGPT-3.5、ChatGPT-4和Google Bard）與經驗豐富的脊椎外科醫生在複雜脊椎手術情境中的表現。透過對十位外科醫生進行兩次問卷調查，結果顯示醫生之間的重測信度良好，但與AI模型的協議較低。雖然AI的回應詳細，但醫生的答案更簡潔。研究認為AI目前不適合用於複雜手術決策，但可用於初步資訊收集和緊急分診，並強調需解決法律和倫理問題才能進一步應用。 相關文章 PubMed DOI 推理 ♡

這項研究探討了如何區分人類撰寫的摘要與ChatGPT生成的摘要，分析了160篇摘要，並使用了三種AI檢測工具和一個抄襲檢測器。研究發現，所有方法對摘要來源的判斷都有誤，學者的經驗影響檢測準確性，資深學者表現最佳。GPTZero和相似性檢測器在識別來源上特別有效。研究建議人類專家與AI工具合作，能提升識別學術摘要的準確性。 相關文章 PubMed DOI 推理 ♡

DALL-M是一個新框架，透過生成合成臨床數據來增強醫學診斷，特別是解釋胸部X光影像。它整合了結構化臨床特徵與放射學報告及相關資源，幫助放射科醫師更準確地診斷疾病。該框架分為三個階段：儲存臨床背景、生成專家查詢、增強背景感知特徵。在測試中，DALL-M將臨床特徵數量從9個擴展到91個，並顯示出顯著的效能提升，成為AI驅動醫學診斷的重要工具。 相關文章 PubMed DOI 推理 ♡

這項研究探討了使用ChatGPT 4.0搭配「X-Ray Interpreter」來解讀急診胸部X光片。分析了1,400張來自NIH的影像，涵蓋七種病理類別。ChatGPT在識別正常X光片方面表現優異，敏感度達98.9%，特異度93.9%。對於肺炎和氣胸的診斷表現較好，但在肺不張和肺氣腫上則較差。總體來看，ChatGPT作為輔助診斷工具顯示潛力，但對於更細微的診斷仍需改進，未來可與專業影像識別模型整合以提升能力。 相關文章 PubMed DOI 推理 ♡

分娩硬膜外麻醉是緩解產痛的首選，但病人教育材料的有效性受健康素養影響。本研究評估英國公立醫院的線上資源可讀性，並探討像ChatGPT的人工智慧是否能改善清晰度。結果顯示，61.6%的醫院提供相關資料，但只有14.5%和23.2%符合可讀性標準，平均可讀性等級為8.4，超過建議的六年級水平。使用ChatGPT重寫後，符合標準的比例提升至24.6%和27.5%，平均等級降至7.7，顯示改善，但仍未達理想的健康素養標準。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs）在醫療領域的發展引起關注，尤其在臨床決策和病人管理上。不過，幻覺和不可靠資訊等挑戰影響其效能。檢索增強生成（RAG）模型透過整合經過驗證的醫學文獻，提升輸出準確性。這篇文章強調RAG在整形及重建外科的優勢，包括增強臨床決策支持和病人教育等。成功實施需謹慎策劃數據庫、定期更新及驗證，以確保臨床相關性並解決隱私和倫理問題。RAG模型有潛力改善病人護理和手術結果，鼓勵外科醫生和研究人員採用這些創新框架。 相關文章 PubMed DOI 推理 ♡

心理健康服務的可及性是全球性議題，需求日益增加。對話式人工智慧（AI）被視為潛在解決方案，但建立可靠的虛擬治療師仍具挑戰。本研究探討將AI整合進虛擬實境（VR）自我對話的優缺點，重點在用戶體驗及AI在自我反思和問題解決中的角色。經過兩年半的開發，我們進行了為期三個月的質性研究，結果顯示AI能改善參與者的思維過程，增強自我反思能力，並提升心理諮詢的效果。 相關文章 PubMed DOI 推理 ♡

這項研究比較了外科醫生與大型語言模型（LLM）聊天機器人在解釋白內障手術併發症的效果。結果顯示，外科醫生的回應更清晰且同理心較高，但回應較短；聊天機器人則提供更詳細的解釋，準確性和完整性相似。研究建議透過真實情境和專業數據訓練聊天機器人，以提升其在病人諮詢中的表現。 相關文章 PubMed DOI 推理 ♡

在單細胞轉錄組學中，細胞類型註解不一致會影響數據整合與機器學習。為了解決這個問題，我們開發了統一的層級註解框架（uHAF），包含器官特定的層級細胞類型樹（uHAF-T）和大型語言模型驅動的映射工具（uHAF-Agent）。uHAF-T 提供38個器官的標準化參考，促進一致的標籤統一。uHAF-Agent 利用 GPT-4 將多樣的細胞標籤映射到 uHAF-T，簡化協調過程。這個框架增強了數據整合，支持機器學習，並促進單細胞研究的合作。uHAF 可在 https://uhaf.unifiedcellatlas.org 和 https://github.com/SuperBianC/uhaf 獲得，補充數據也可在 Bioinformatics 在線查詢。 相關文章 PubMed DOI 推理 ♡

這項研究介紹了Hyper-DREAM，一個創新的行動健康平台，專門用來管理高血壓。經過一年多學科團隊的開發，這個平台強調全面數據收集和增強醫病互動。 在2024年8月，對51位高血壓患者和六位醫生進行了可用性評估。結果顯示，Hyper-DREAM的BP Coach在實用性上超越了其他工具，雖然在清晰度上稍遜於醫生。醫生表示使用後效率提高，與病人的互動更快，工作壓力減輕。 患者對平台的易用性和實用性表示高度滿意，整體上，Hyper-DREAM顯示出在高血壓管理上的顯著優勢，並有助於減輕醫生的工作負擔。 相關文章 PubMed DOI 推理 ♡