口腔黏膜炎是頭頸部癌症患者接受化療或放療後常見的副作用，影響高達90%的患者。許多人會在網上尋找相關資訊，但質量參差不齊。本研究分析了與「口腔黏膜炎」相關的Google搜尋，並評估其資訊質量及可讀性，與ChatGPT生成的回應進行比較。結果顯示，自2004年以來，搜尋興趣顯著增加，Google資源中只有6%達到可讀性標準，而ChatGPT的回應則100%回答問題，且20%符合可讀性標準。經醫療專業人員驗證後，ChatGPT可成為創建易懂患者教育材料的好選擇。 相關文章 PubMed DOI ♡

大型語言模型（LLMs）對醫學寫作和出版影響深遠，最近的綜述文章強調了其應用、挑戰及未來影響。調查顯示，LLMs在科學寫作中被廣泛使用，帶來了許多好處與挑戰。它們在文獻搜尋、研究設計、寫作輔助等方面表現出色，並在同行評審過程中也扮演重要角色。為了確保學術工作的完整性，研究人員需驗證AI生成內容的準確性，並建立人類與AI的協作流程。未來需解決LLMs的限制，並持續更新相關政策，以維護醫學寫作的品質。 相關文章 PubMed DOI ♡

這篇文章探討了人工智慧，特別是像ChatGPT這樣的大型語言模型在急診醫學和重症護理中的重要角色。它提到ChatGPT在診斷支持、臨床文檔和病人溝通等方面的應用，並指出其表現可與人類專業人士媲美。文章也強調了它在臨床決策和藥物選擇中的潛力，能提升病人護理品質。不過，將這些模型應用於醫療也帶來法律、倫理和隱私等問題，需持續研究和監管以確保其負責任的使用。 相關文章 PubMed DOI ♡

本研究回顧了中國在生物醫學文本挖掘的社群挑戰，特別聚焦2017至2023年的評估任務。系統性分析了39個來自六個挑戰的任務，包括命名實體識別、關係提取和文本分類，顯示出任務類型和數據來源的多樣性。研究探討了這些挑戰的臨床應用潛力，並與英文挑戰進行比較，強調其在推動創新和合作中的重要性，並展望在大型語言模型背景下的未來發展。總體而言，社群挑戰是推進該領域解決方案的重要平台。 相關文章 PubMed DOI ♡

這項研究探討耳鼻喉科病人教育材料的可讀性，利用ChatGPT將內容翻譯成五年級水平。研究人員從美國相關學會網站獲取資料，並用Flesch閱讀容易度和Flesch-Kincaid年級水平來評估可讀性。結果顯示，經過ChatGPT翻譯後，材料的可讀性顯著改善（p < 0.001）。雖然Microsoft Word也有改善，但變化不明顯。總體來看，原始材料的寫作水平過高，使用AI工具如ChatGPT能有效簡化內容，讓病人更容易理解。 相關文章 PubMed DOI ♡

酵素在生物技術中非常重要，應用於食品、洗衣、製藥等領域，因為它們能催化化學反應。酵素的活性受pH值影響，每種酵素在特定pH範圍內表現最佳。為了解決這個挑戰，我們開發了一種基於語言模型的方法，預測酵素序列的最佳pH範圍。透過多種切分策略，我們的機器學習模型在不同蛋白質家族中展現高準確性，能快速識別具有理想pH的酵素，促進高通量探索。 相關文章 PubMed DOI ♡

這篇評論探討了人工智慧（AI），特別是像ChatGPT和ATLAS.ti等工具，對HIV相關行為質性研究的影響。它指出AI在編碼質性數據上有變革潛力，對理解HIV感染者的生活經驗至關重要。不過，評論也提醒使用AI編碼時需謹慎考量其優缺點，並呼籲研究者反思研究問題、認識論框架和目標。雖然AI在某些情境下能帶來好處，但必須與研究的具體目標和哲學基礎相符，以確保結果的意義和準確性。 相關文章 PubMed DOI ♡

這篇論文探討了ChatGPT對醫學教育的影響，指出其潛在的好處與挑戰。自2022年11月推出以來，ChatGPT因能提供個性化學習和模擬臨床情境而受到重視，但也引發了對過度依賴、學術抄襲及資訊準確性的擔憂。為解決這些問題，論文建議加強意識形態教育、採用多樣化評估方法，並優化ChatGPT的訓練數據。此外，還探討了倫理問題，並建議建立相關立法與準則。總之，雖然ChatGPT在醫學教育上有潛力，但需謹慎應用以降低風險。 相關文章 PubMed DOI ♡

這篇迷你評論總結了2021年在阿聯酋杜拜舉行的IEEE BIBM第三屆年度LncRNA研討會的重點。參與者討論了五個關鍵主題： 1. **lncRNA計算分析的挑戰**：強調分析lncRNA數據的複雜性及需先進工具。 2. **lncRNA與癌症**：探討lncRNA在癌症中的角色，作為診斷和治療的潛在標記。 3. **lncRNA與運動**：分享lncRNA對運動表現和恢復的影響。 4. **lncRNA與COVID-19**：討論lncRNA在COVID-19中的作用及其對免疫反應的影響。 5. **lncRNA在人腦活動中的作用**：檢視lncRNA在神經功能和疾病中的潛力。 整體而言，研討會促進了研究人員的交流，探討lncRNA在多種生物學背景下的角色。 相關文章 PubMed DOI ♡

這項研究探討了如何在有限計算資源下，利用非專有的大型語言模型（LLMs）協助醫療專業人員撰寫德語醫療文本。研究團隊訓練了四個擁有70億參數的模型，並與商業模型Claude-v2進行比較。結果顯示，BLOOM-CLP-German模型在自動評估中表現最佳，且在專家評估中，有93.1%的生成報告被認為可用，僅需少量修改。這顯示即使資源有限，仍能生成適合臨床的醫療文檔，強調選擇非英語模型時需考慮目標語言的重要性。 相關文章 PubMed DOI ♡