這篇論文提出用AI（像大型語言模型）來協助健康研究問卷設計，能加快流程、減少錯誤，讓問卷更精準和多元。AI不是要取代現有方法，而是補充，強調要重視倫理、透明和避免偏見。結合AI和專家經驗，有助於提升問卷品質和效率。 相關文章 PubMed DOI 推理 ♡

研究發現，AI生成的小兒脊柱側彎相關答案，正確性和適切性跟專業醫學學會的答案差不多，專家們對兩者的接受度也相近。不過，AI在醫療資訊應用上還有進步空間，未來仍需加強，才能確保病患獲得正確可靠的知識。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT 和 Gemini 兩款 AI 都能有效協助產生頭頸重建領域系統性回顧的新研究想法，且有七成是全新未見於文獻。兩者表現沒有明顯差異，但提出的想法多偏向較廣泛的主題。 相關文章 PubMed DOI 推理 ♡

這項研究用大型語言模型，根據影像的中繼資料自動產生文字描述，再把這些描述和皮膚病灶影像配對，一起輸入多模態深度學習模型。結果顯示，這種方法在多個資料集上，皮膚病灶分類的準確率都比只用影像的模型還要好。 相關文章 PubMed DOI 推理 ♡

SynthEHR-Eviction 是一套結合大型語言模型和人工回饋的流程，能有效從電子健康紀錄中擷取驅逐相關資訊，並建立最大公開資料集。這方法提升了偵測準確度，減少八成以上標註工作，省時又省力，也能應用在其他資訊擷取任務上。 相關文章 PubMed DOI 推理 ♡

這項研究把VIOLIN的疫苗資料和Vaccine Ontology的標準術語整合，並用Neo4j建立了疫苗知識圖譜（VaxKG）。VaxKG能支援進階語意查詢，讓疫苗分析更深入，像是在布氏桿菌和流感疫苗的比較上就很明顯。此外，VaxKG也被VaxChat這個AI工具驗證，能提供更方便的疫苗資訊查詢服務。 相關文章 PubMed DOI 推理 ♡

這項研究利用自動化方法，從五萬多種化學物質中找出可能對肝臟有毒的化合物。團隊用文字探勘、詞嵌入和大型語言模型來分析文獻，並計算肝毒性分數。結果顯示，單用文字探勘AUC為0.8，LLMs更高達0.85，三種方法結合後提升到0.87，證明多方法整合最有效。所有資料也都已公開，方便大家後續研究。 相關文章 PubMed DOI 推理 ♡

開源大型語言模型（LLMs）能依TG-263標準，自動且準確地統一放射治療資料中的危及器官名稱，跨語言、跨醫院都適用，最佳模型準確率超過98%。這有助於資料自動化與標準化，推動研究和AI發展。不確定性估算用蒙地卡羅取樣，比單靠模型信心分數更能有效偵測錯誤。 相關文章 PubMed DOI 推理 ♡

美國顎裂顏面協會的教育資料品質不錯，但閱讀難度偏高。透過像GPT-4o、Gemini、Copilot這類大型語言模型，可以有效降低閱讀門檻，內容也一樣好懂、實用。不過，這些資料還是缺少圖片說明，以及給家長和照顧者的明確步驟建議。 相關文章 PubMed DOI 推理 ♡

這篇系統性回顧指出，聊天機器人（像是ChatGPT）在病患衛教上表現不錯，答案正確率約89%，而且內容跟醫療指引很一致，甚至比Google搜尋還優。不過，機器人的回答多半用字較艱深，可能讓部分病患看不太懂。總結來說，聊天機器人有潛力協助衛教，但語言難度還需改善。 相關文章 PubMed DOI 推理 ♡