高血壓是一種常見的慢性病，會增加心血管疾病的風險。血管緊張素轉換酶（ACE）在血壓調控中扮演重要角色，傳統藥物常有副作用，因此對能抑制 ACE 的食物來源肽（ACEIP）產生興趣。文章介紹了一個新模型 AI4ACEIP，利用兩層堆疊集成架構來識別 ACEIP，並透過 PowerShap 方法優化特徵選擇。研究顯示，AI4ACEIP 的預測表現優於七種現有方法，並可在 GitHub 上公開使用。 相關文章 PubMed DOI ♡

CRISPR-Cas 系統徹底改變了合成生物學，使得精確的基因編輯成為可能。研究人員為了提升 sgRNA 活性預測的準確性，開發了深度學習模型，包括卷積神經網絡（CNN）和大型語言模型（LLM）。這些模型使用了針對酵母 *Yarrowia lipolytica* 的篩選數據進行訓練，並評估其預測高低活性 sgRNA 的能力。研究發現，將合成 sgRNA 融入不平衡數據集能顯著提升預測性能，顯示平衡訓練集在準確預測 sgRNA 活性中的重要性。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT 3.5和4.0版本在提供下頜骨骨折資訊的可讀性和準確性。隨著患者依賴生成式人工智慧查詢醫療資訊，評估其質量變得重要。研究發現兩個版本在可讀性和準確性上無顯著差異，但可讀性分數高於建議標準，顯示內容對一般患者來說可能過於複雜。此外，資訊準確性較低，許多回應含有不準確或缺乏必要資訊。總之，這項研究強調了生成式人工智慧在醫療資訊提供上的局限性，提醒患者和醫師需謹慎使用。 相關文章 PubMed DOI ♡

這項研究評估了三種大型語言模型（LLMs）—ChatGPT 3.5、ChatGPT 4.0 和 Google Bard—在提供青少年特發性脊柱側彎（AIS）資訊的效果。研究人員針對AIS的常見問題設計了10個關鍵問題，並由專業醫生評估這些模型的回答。結果顯示，只有26%的回答被評為「優秀」，其中ChatGPT 4.0表現最佳，達39%。雖然這些模型在清晰度和同理心上表現不錯，但仍需改進，特別是在語言適用性和情境理解方面。整體而言，這項研究顯示了LLMs在病人教育中的潛力。 相關文章 PubMed DOI ♡

全球老齡化帶來複雜挑戰，需持續評估相關社會科學研究，並確定未來重點。跨學科專家合作對於全面理解及整合新興主題至關重要。我們調查了ChatGPT（GPT-4）作為工具，生成了未來研究的潛在領域，包括數位整合、氣候變遷與老年人口、心理健康、多元背景下的老齡化及疫後老齡化。雖然ChatGPT能幫助識別研究重點，但其缺乏透明度，專家仍需批判性評估相關價值觀。 相關文章 PubMed DOI ♡

這項研究探討患者對AI醫生與人類醫生建議的遵從度，包含535名參與者。結果顯示，參與者對AI醫生的建議遵從度較低，且當回應速度較慢時，參與者認為人類醫生的健康益處更大，且更以患者為中心，對AI醫生則相反。這顯示醫療提供者的類型、資訊支持程度及回應速度對患者遵從醫療建議有顯著影響。 相關文章 PubMed DOI ♡

PRIDE 資料庫是質譜蛋白質組學數據的重要儲存庫，也是 ProteomeXchange 聯盟的成員。這篇手稿回顧了 PRIDE 在過去三年的進展。平均每月接收約 534 個數據集，得益於基礎設施的改善，如新的檔案傳輸協議（Globus）和自動驗證過程。PRIDE 還推出了利用開源大型語言模型的聊天機器人，並加強了與 UniProt、Ensembl 和 Expression Atlas 等資源的合作，以促進高品質蛋白質組學數據的重用與傳播。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT對乳腺癌常見問題的回答準確性，顯示它在病患教育中的潛力。研究收集了100個問題，專家評估後發現，大部分回答至少部分正確，但仍有5個完全錯誤、22個部分正確、42個正確但缺乏細節，只有31個高度準確。這顯示ChatGPT可作為輔助工具，但不準確的情況強調了專業監督的重要性。研究建議在醫療中整合AI工具，以增進病患與醫療提供者的互動，並確保資訊隨時更新。 相關文章 PubMed DOI ♡

這項研究探討了OpenAI的ChatGPT 3.5和GPT 4.0在生成針對病人的臨床筆記時的表現，針對2型糖尿病、重度抑鬱症和懷疑腸癌三種病症進行分析。主要發現包括：生成的筆記比原始的更長，且使用了更多的代名詞；可讀性要求較高，特別是ChatGPT 3.5；同理心表現更佳；醫學準確性方面，ChatGPT 4.0的評價較高。總體來看，雖然增強了情感和同理心，但語言複雜性也提高，可能影響醫學準確性。 相關文章 PubMed DOI ♡

這項研究開發了一個名為SEETrials的自動化系統，專門從腫瘤臨床試驗摘要中提取安全性和有效性數據，以提升臨床決策的效率和準確性。系統包含預處理、知識攝取和後處理三個模組。研究團隊從2012到2023年收集了多發性骨髓瘤及其他癌症的臨床試驗摘要，結果顯示SEETrials在數據提取上表現優異，特別是在多發性骨髓瘤的試驗中，精確度達0.964，召回率0.988，F1分數0.974。整體而言，SEETrials有效促進了癌症療法數據的提取與分析。 相關文章 PubMed DOI ♡