LLM 相關三個月內文章 / 第 32 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

SmartState 是全新醫學研究系統,結合自動化和大型語言模型,能即時追蹤每位參與者的互動歷程。它自動化、個人化收集資料,幾乎不用人工監督,還能減少錯誤、確保資料完整,特別適合流程複雜、需分階段進行的臨床研究。 相關文章 PubMed 推理

ADetectoLocum 是一款可在醫院本地端運作的開源語言模型,能透過病患語音早期偵測阿茲海默症風險。它不需傳輸資料到外部,符合 HIPAA 法規,且準確率高於過去模型,是醫療院所安全又實用的 AD 診斷工具。 相關文章 PubMed 推理

這項研究用GPT-4o自動從心肺調控和SUDEP相關論文中擷取神經投射資訊,從四篇論文辨識出205個神經投射,經專家審查後準確率高達95%。這方法展現自動化擷取神經科學文獻的潛力,未來也會加入更多資料類型像是實驗技術和物種等。 相關文章 PubMed 推理

作者提出FREEFORM架構,利用大型語言模型(LLMs)在基因型-表現型預測中做特徵選擇與工程。FREEFORM結合LLMs的生醫知識和推理能力,能挑出精簡且易解釋的基因特徵,尤其在資料少時效果更勝傳統方法。此架構已開源並上傳至GitHub。 相關文章 PubMed 推理

生物醫學研究常因流程繁瑣又重複,進展緩慢。Stanford 團隊推出 AI 助理 Biomni,能自動執行各種生醫研究任務,整合論文中的工具和資料庫,結合大型語言模型與程式碼執行,動態規劃複雜任務。測試證明 Biomni 泛用性高,無需特別調整就能處理多種生醫問題,幫助科學家加速研究。可至 https://biomni.stanford.edu 體驗。 相關文章 PubMed DOI 推理

sciL-aMA 是微軟推出的新深度學習框架,結合大型語言模型的基因嵌入和單細胞 RNA 定序資料,採用 paired-VAE 架構。這方法能同時為細胞和基因建立情境感知的表徵,提升批次校正、細胞分群和基因標記鑑定的效果,兼顧效率與可解釋性。原始碼在 GitHub:https://github.com/microsoft/sciLaMA 相關文章 PubMed DOI 推理

這篇研究提出 scATD 框架,運用大型語言模型,能快速預測單細胞 RNA 定序資料的藥物敏感性。scATD 不用重新訓練模型就能準確預測新病患,靠的是創新的風格轉換和知識蒸餾技術。測試結果顯示,scATD 在準確度、泛用性和效率都比現有方法更好,還能更清楚解釋基因和藥物的關聯,對精準腫瘤醫學很有幫助。 相關文章 PubMed DOI 推理

這項研究用fMRI和GPT語言模型分析真實對話時的大腦活動。結果發現,大腦有些區域在說話和聽話時處理語言很像,但也有些區域會根據你是說還是聽,出現不同活動,這跟大腦怎麼整合語境有關。代表理解和產生對話時,大腦有共同也有獨特的處理方式,會在不同時間尺度下運作。 相關文章 PubMed DOI 推理

研究發現,讓牙醫系大一、大二學生用生成式AI聊天機器人練習病史詢問,有助提升自信心。大二學生更認同這工具的價值。雖然大家覺得這方式沒面對面互動有趣,但都支持把聊天機器人納入課程,當作輔助練習的工具。 相關文章 PubMed DOI 推理

大型語言模型在辨識單一神經迷思時表現比人類好,但遇到實際應用情境時,通常不會主動質疑迷思,因為它們傾向迎合使用者。若明確要求糾正錯誤,效果才明顯提升。總之,除非特別指示,否則 LLMs 目前還不適合單靠來防堵教育現場的神經迷思。 相關文章 PubMed DOI 推理