這項研究發現，五種大型語言模型在批改醫學簡答題時，表現有時能媲美專家，但準確度會因題目、模型和是否參考專家標準而不同。沒有單一模型在所有情境下都最優，且用專家標準不一定有幫助。LLMs雖有潛力協助醫學教育自動評分，但實際應用還是需要專業人員把關。 相關文章 PubMed DOI 推理 ♡

這項研究發現，現有AI模型在外科考試表現仍不及專科醫師，最佳的Llama-3也僅接近住院醫師水準，且遇到難題時表現下滑。AI目前適合當作學習輔助，但在高風險醫療決策上，還無法取代專家判斷。 相關文章 PubMed DOI 推理 ♡

ARplorer 是一款結合 Python 和 Fortran 的新工具，能自動化並加速探索化學反應途徑。它融合量子力學、規則式方法和大型語言模型，能有效搜尋多步驟反應機制。透過主動學習和平行篩選，大幅提升搜尋效率，已在多種複雜反應中展現高效能，非常適合高通量篩選和催化劑開發。 相關文章 PubMed DOI 推理 ♡

這項研究用先進語言模型（ESM），不用傳統序列比對，就能辨識和分類metagenome裡未知的CRISPR-Cas蛋白。結果發現7種新Cas12a亞型和特殊CRISPR基因座，並證實這些蛋白有多樣結構和DNA切割偏好。這方法大幅加快新型Cas蛋白的發現，讓CRISPR生技應用更有發展空間。 相關文章 PubMed DOI 推理 ♡

這項研究比較GPT-4和GPT-4o在圖片型USMLE醫學考題的表現，GPT-4o正確率較高（89.5%），但和GPT-4（73.4%）差異沒達統計顯著。兩者都能處理不同醫學領域的圖片題，GPT-4o在教學應用上有潛力，但醫學教育還是需要專業人員把關，確保答案正確。 相關文章 PubMed DOI 推理 ♡

這篇論文提出把臉部表型知識圖譜結合RAG技術，協助大型語言模型更準確診斷罕見遺傳疾病。這種做法能減少模型產生錯誤答案，提升診斷的準確率和一致性，證明專業知識圖譜能有效強化AI在醫療領域的應用。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4.0在判斷兒童是否需要放置鼓膜通氣管時，答對率高達96.8%，若要求引用最新文獻，準確率甚至達100%。但它對先前錯誤的題目並不會自我修正，顯示自我學習有限。總結來說，ChatGPT-4.0表現優異，但使用時還是要小心下指令並多加審核。 相關文章 PubMed DOI 推理 ♡

這項研究提出 CARE-AD，多代理大型語言模型架構，能分析電子病歷，預測阿茲海默症在診斷前最長10年的風險。CARE-AD 透過分工合作的 LLM 代理人提取與評估相關資訊，預測準確度比單一模型更好，展現協作式 LLM 系統在臨床早期風險評估的潛力。 相關文章 PubMed DOI 推理 ♡

這項研究比較五種大型語言模型在放射線醫學文獻篩選的表現，發現它們特異性高但敏感度差異大。大多數模型遇到人類標註時會偏向相信人類，顯示有權威偏誤，GPT-4o 這點較不明顯。三元分類下模型很少選「不確定」，敏感度略升。PubMed 搜尋方面，OpenAI 工具召回率中等但精確度高，Gemini 召回率較低。整體來說，LLMs 有潛力但仍需人類監督與精心設計提示詞。 相關文章 PubMed DOI 推理 ♡

這項研究用大型語言模型的困惑度分數來評估語言連貫性，並和傳統方法比較。結果發現，兩者結合後，更能貼近臨床對思覺失調症患者思考混亂的評分。這顯示LLM有潛力提升自動化工具在早期偵測和追蹤精神病症狀的準確度。 相關文章 PubMed DOI 推理 ♡