這篇研究發現，Aidoc AI在臨床上偵測頭部CT的顱內出血表現很好，放射科醫師用起來敏感度高、特異性也很棒。ChatGPT-4 Turbo也能準確從報告中抓出ICH，顯示自動化監控AI很有潛力。不過，Aidoc在某些掃描儀（像Philips）或影像雜訊多時，偽陽性會比較多。整體來說，持續監控AI表現很重要，結合大型語言模型能提升效率與可靠度。 相關文章 PubMed DOI 推理 ♡

這篇系統性回顧分析了大型語言模型在牙顎顏面放射學的應用，包括診斷、治療建議、考題作答和報告生成。雖然LLMs在這些任務上展現潛力，但準確率落差大（33%到92.5%），表現還不夠穩定，未來還需要更多改進和驗證，才能真正用在臨床實務上。 相關文章 PubMed DOI 推理 ♡

這篇系統性回顧指出，AI在發炎性腸道疾病的診斷、預測和治療上很有潛力，應用包括多組學分析、語言模型和穿戴式監測。不過，臨床廣泛使用前，還需更多研究來確保安全、隱私和實際效果。 相關文章 PubMed DOI 推理 ♡

這項研究用先進語言模型（像GPT-4、LLAMA3、Mistral）來產生法文藥物錯誤通報的合成資料，解決醫療AI缺乏真實資料的問題。專家和AI都認為這些合成資料很逼真，訓練出來的分類器在真實資料上表現也不錯（F1-score最高0.78），證明合成資料對藥物錯誤分析很有幫助。 相關文章 PubMed DOI 推理 ♡

這項研究發現，GPT-4生成的急診到住院交班摘要大致準確且實用，但約有6%案例因資訊遺漏或描述錯誤產生安全疑慮。AI摘要的實用性會受是否有會診影響。多數醫護人員對AI摘要持正面態度，但也發現有藥物、檢驗數據遺漏或病人狀況判斷錯誤。建議在廣泛導入前，需進一步優化AI並蒐集臨床回饋。 相關文章 PubMed DOI 推理 ♡

這項研究用 diphones（能捕捉音素間轉換的語音單位）來取代單一音素，作為腦波轉文字語音的中介步驟，有效提升解碼準確率。在 Brain-to-Text 2024 測試中，音素錯誤率降到 15.34%，單字錯誤率 5.77%，表現比過去的方法更好。 相關文章 PubMed DOI 推理 ♡

GS-DTI 是一套全新藥物-靶點交互預測工具，結合分子圖形轉換器、蛋白質語言模型和三維結構資訊，並用對比式學習和多任務損失提升準確度和解釋性。它在新藥物或新靶點預測上表現特別好，還能找出蛋白質結合口袋，程式碼和資料都已公開。 相關文章 PubMed DOI 推理 ♡

這篇研究介紹 FHIR Workbench 工具，能用四種評測資料集來測試大型語言模型（LLMs）對 FHIR 醫療資料標準的理解和應用。結果發現，商業模型（如 GPT-4o、Gemini）在結構化任務表現最佳，但所有模型在把臨床紀錄轉成 FHIR 資源時都很吃力。FHIR Workbench 有助於推動 LLMs 在醫療資料領域的發展。 相關文章 PubMed DOI 推理 ♡

作者提出一套新方法，結合 Fpocket 幾何口袋偵測和大型語言模型，能自動找出並排序對藥物開發重要的蛋白質結合口袋。這方法用 LLMs 從文獻擷取胺基酸層級的結合資訊，大幅減少人工整理。作者也公開了基準資料集和工具，方便大家使用。 相關文章 PubMed DOI 推理 ♡

這項研究發現，Microsoft Copilot（GPT-4）在診斷肺栓塞時，能在九成以上案例中把PE列入前十大鑑別診斷，風險評估也比傳統Wells score更準。不過，雖然特異性和陽性預測值很高，敏感度偏低。整體來說，Copilot有潛力輔助醫師，但還需要更多實際驗證。 相關文章 PubMed DOI 推理 ♡