AI-HOPE 是一款開源 AI 工具，讓臨床研究人員用自然語言就能分析癌症臨床和基因資料，完全不用寫程式。它會自動解讀需求、分析本地資料，確保安全，並找出重要關聯。實測能準確找出基因突變和癌症預後的關聯，幫助推動精準醫療研究。 相關文章 PubMed DOI 推理 ♡

生成式AI在心理健康領域應用越來越多，像是協助診斷、治療和支援醫師，特別用於偵測憂鬱症、自殺風險及聊天機器人。雖然能提升服務可近性、減輕醫師負擔，但實際應用和安全性仍有限，且有隱私、偏見和治理等倫理疑慮。作者提出GenAI4MH框架，強調需有完善防護措施，確保AI應用安全又合乎倫理。 相關文章 PubMed DOI 推理 ♡

這項研究提出一套由GPT-4o等大型語言模型輔助的內容分析方法（LACA），協助建立主題編碼本並自動標註醫院網路評論。研究在馬來西亞53家私人醫院、近1.5萬則評論上測試，結合機器學習和GPT-4o過濾假評論，並與人工合作開發41個主題，標註一致性高。主題再歸納成六大類，涵蓋醫療服務與病患經驗。此方法分析大量評論快速又省成本，能即時協助醫院改善品質。 相關文章 PubMed DOI 推理 ♡

這項研究開發了一套結合醫療語言解析器和微調大型語言模型的AI系統，能自動從臨床紀錄中擷取乳癌治療時程。模型在Mayo Clinic和Stanford的大型資料集上驗證，準確度高於傳統方法。這個開源工具已打包好，方便使用，有助於快速整理大規模癌症治療資料，減少人工處理負擔。 相關文章 PubMed DOI 推理 ♡

這項研究比較五種深度學習模型預測中國類流感（ILI）發生率的表現，資料涵蓋2014至2024年。結果顯示，TiDE模型在全國及南方地區預測最準確，北方地區則各模型表現都較差。開發過程中，ChatGPT協助程式撰寫與除錯，大幅提升效率，展現AI輔助能強化疫情預測與公衛應變能力。 相關文章 PubMed DOI 推理 ♡

這項研究比較用英文和中文資料訓練的大型語言模型在中國醫師國考的表現。結果發現，不論訓練語言，大多數模型都能及格，中文模型Baichuan表現最佳。英文模型在醫學倫理和政策題目上甚至有時更優。多模型交叉驗證答案能明顯提升正確率。整體來說，中文模型略勝一籌，主要是訓練資料差異造成的。 相關文章 PubMed DOI 推理 ♡

ChunkUIE 是一個中英文通用的資訊擷取模型，透過把所有 schema 平均分成多個區塊來訓練，確保訓練和評估一致，提升 zero-shot 效果。它也加入困難的負向 schema，減少混淆，解決 schema 不一致造成的效能問題，且不需額外資料就能提升表現。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs）用來做投資建議時，容易延續甚至加劇原本的投資偏誤，像是過度集中、追逐熱門標的或增加成本，即使有去偏誤措施也難以完全避免。這提醒投資人和相關單位，使用LLMs時要特別注意其潛在風險與責任。 相關文章 PubMed DOI 推理 ♡

這是一則針對DOI: 10.1371/journal.pone.0290691這篇文章的更正通知。這表示原本發表的文章有錯誤，這則通知是用來更正該錯誤。你的訊息中沒有提供更多細節。 相關文章 PubMed DOI 推理 ♡

研究人員用機器學習模型（像是隨機森林和MolBART）來預測化學物質對類固醇激素生成的影響，訓練資料包含約1,800種化學物質和數千種相關酶的化合物。這些模型能快速又準確找出會干擾類固醇生成的化學品，幫助法規審查和安全評估。 相關文章 PubMed DOI 推理 ♡