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 ♡