最近的調查顯示，雖然ChatGPT是一個通用的虛擬助手，但在判斷兩張照片是否是同一個人方面，其表現已經達到與人類相當的水準。這顯示出它在圖像與文本配對上的訓練，使其能夠執行通常由專門的面孔識別系統完成的任務。這些結果為未來深入研究ChatGPT在這方面的能力及其錯誤與人類錯誤的比較提供了新的機會。 相關文章 PubMed DOI ♡

這項研究探討大型語言模型（LLMs），特別是Llama-2，如何在電子健康紀錄（EHRs）中檢測精神科入院紀錄的自殺風險。研究人員評估了不同Llama-2模型在100份精神科報告上的表現，並與專家定義的真實情況進行比較。經過德國微調的Llama-2模型表現最佳，準確率達87.5%，敏感性83.0%，特異性91.8%。結果顯示，LLMs能有效提取自殺相關資訊，並保持數據隱私，顯示其在監測精神科緊急情況及增強自殺管理上的潛在應用價值。 相關文章 PubMed DOI ♡

這篇綜述論文探討了醫療人工智慧（AI）的最新進展，特別是基礎模型和大型語言模型的應用。它提出了一個新的分類框架，將模型分為特定疾病、一般領域和多模態三類。論文還指出了數據獲取和增強等挑戰，包括數據量、標註、隱私等問題。此外，還討論了醫療AI模型的評估和監管，強調其在醫療保健中的潛力。最後，論文呼籲持續改進、數據安全和標準化評估，以確保AI在臨床實踐中的有效整合。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT-4對於Kienböck's disease (KD) 的常見問題回應的質量與可讀性。十九個問題被分為一般知識、診斷和治療，並由33位手外科醫生使用全球質量評分標準進行評估。結果顯示平均GQS分數為4.28，表示大部分回應被評為良好或優秀。不過，根據可讀性測試，這些回應的難度超過大學畢業生的水平，顯示需要改進以提高可讀性，讓更多人能輕鬆理解。這項研究屬於四級觀察性研究。 相關文章 PubMed DOI ♡

預測蛋白質-蛋白質相互作用位點對於理解生化過程非常重要，尤其是在病毒與受體蛋白質的互動中，有助於疾病機制和藥物開發。傳統方法面臨處理時間長、成本高和準確性低的挑戰。為了解決這些問題，我們提出了一種新穎的網絡，利用多重信息融合來預測相互作用位點。透過圖卷積網絡、雙向長短期記憶（BiLSTM）和ProtT5模型，我們的模型在多項評估指標上超越現有方法，顯示出其有效性和優越性。 相關文章 PubMed DOI ♡

這項研究評估了人類審查者與GPT-4在評估病例報告和系列的質量一致性。研究分析了797篇2023至2024年發表的文獻，發現人類與GPT-4的評估一致性在41.91%到80.93%之間，病例選擇的問題一致性最低。無論期刊影響因子如何，一致性都相對穩定。重複分析顯示GPT-4在大多數情況下表現良好，但仍需人類監督，因為其尚未達到系統性回顧的嚴格標準。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在解答肢端肥大症相關問題的可用性與可靠性。研究分為兩部分：首先，提出35個病人常見問題；其次，使用醫學術語呈現四個病人案例。三位專家根據安全性、可靠性、正確性和可用性對ChatGPT的回答進行評分。 結果顯示，ChatGPT在回答病人問題的正確性平均得分為6.78，可靠性得分為6.69。雖然它能有效回應相關詢問，但不應被視為病人管理的獨立可靠來源，建議作為醫療專業人員的輔助工具。 相關文章 PubMed DOI ♡

這項研究探討如何利用生成式人工智慧，特別是大型語言模型，來改善投資組合的建構。研究針對這些AI工具的輸出解讀問題，提出了一個結構化的提示框架，幫助不同經驗的投資者更清楚地理解結果。研究還創建了多種情境來測試提示的影響，並提出了一種新算法，結合了非線性啟動的甲蟲觸角搜索策略與白鷺群體優化算法，來解決考慮交易成本的均值-方差投資組合選擇問題。模擬結果顯示，這個算法在優化投資組合方面表現出色，能達到更高的夏普比率。 相關文章 PubMed DOI ♡

聊天機器人的出現可能會顯著改變信息獲取和教育，特別是在光化學領域。最近的評估測試了五款聊天機器人，包括ChatGPT 3.5和4.0，針對13個光化學問題。結果顯示，這些機器人在基本概念上表現中等，但在專業問題上表現不佳，常常提供複雜或不相關的解釋，或是缺乏有意義的內容。因此，目前的聊天機器人不適合獨立用於教育，仍需專家提供專業知識。 相關文章 PubMed DOI ♡

COVID-19疫情促進了遠距學習的發展，讓開卷考試（OBEs）與閉卷考試（CBEs）在STEM教育中受到更多關注。本研究系統性回顧了自2013年以來的相關文獻，分析OBEs與CBEs對大學STEM學生的影響。結果顯示，OBEs通常能獲得較高的學生分數，但也存在變異性。儘管OBEs更能評估現代教育所需的能力，先進的語言模型（LLMs）卻可能影響其有效性，造成學術誠信的問題。因此，未來研究需探討如何在LLMs影響下維持OBEs的公正性與有效性。 相關文章 PubMed DOI ♡