LLM 相關三個月內文章 / 第 40 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這份調查探討基礎模型(FMs)在生物資訊學中的影響,特別是如何克服有限標註數據和數據噪音的挑戰。文章總結了FMs的演變、當前研究狀況及方法,並強調它們在序列分析、結構預測和功能註釋等生物學問題上的應用,與傳統方法進行比較。此外,還討論了FMs面臨的挑戰,如數據噪音、可解釋性和偏見,並提供對性能限制的見解。最後,文章展望了FMs在生物研究中的未來發展方向。 相關文章 PubMed DOI

AI技術,特別是像ChatGPT這樣的大型語言模型,近來在醫療領域引發了許多研究,評估其回答病人問題的有效性。雖然研究顯示這些模型能提供可靠資訊,但也揭示了其限制。這引發了對「閃亮物體」症候群的擔憂,讓人們忽略了AI在臨床實踐中的實際應用。許多研究重複確認AI的能力,而非探索能改善病人照護的創新案例,這可能導致進展停滯。專家應引導研究朝向能真正改變病人照護的應用,而非僅僅追求新奇。 相關文章 PubMed DOI

醫療教育者在整合快速發展的生成式人工智慧(GenAI)工具進課程時面臨挑戰。為了解決這個問題,PICRAT模型提供了一個標準化的框架,幫助評估和整合這些工具。NotebookLM是一個多功能的GenAI工具,能自動生成引人入勝的播客,這些播客可從教育或研究內容中產生。我們透過NotebookLM的自動播客功能,展示醫療專業教育如何運用PICRAT模型來評估GenAI工具,確保有效的技術整合,提升學習成果。 相關文章 PubMed DOI

這項研究評估了GPT-4.0在2021至2023年日本醫學執照考試的表現,重點在於準確性和醫學知識解析能力。問題依難度和類型分類,包括一般和臨床部分,以及單選和多選題。GPT-4.0的正確回答率達80.4%,顯示出合格的表現,但不同問題的準確性有顯著差異。研究結果顯示,雖然GPT-4.0在醫學教育和研究中有價值,但仍需大量醫學數據來提升準確性,整合ChatGPT進醫學領域可能帶來新機會。 相關文章 PubMed DOI

本研究評估了Google Gemini (GG) 在根據歐洲牙髓學會的立場聲明,對創傷性恆牙管理的回應準確性與一致性。研究團隊設計了99個是/否問題,並根據牙醫專家的反饋進行修訂。GG的回應準確率為80.81%,屬中等水平,而一致性率高達95.96%。結果顯示,GG可能成為臨床醫師尋求創傷性恆牙管理資訊的有價值免費資源。 相關文章 PubMed DOI

SafeMod是一個新框架,旨在提升自動駕駛的安全性,透過改善複雜環境中的決策和情境管理。它克服了傳統方法的局限,採用雙向規劃結構,包括前向和後向規劃。前向規劃利用大型語言模型預測周圍行為,生成行動預測,並由基於變壓器的規劃器處理,結合文本和影像數據創建駕駛軌跡。後向規劃則透過強化學習精煉這些軌跡,選擇最佳行動。實驗結果顯示,SafeMod在安全性和決策能力上優於其他系統,顯示其在自動駕駛中的潛力。 相關文章 PubMed DOI

這篇文章探討神經退行性疾病,特別是帕金森病和阿茲海默症,與人工通用智慧(AGI)的關聯。隨著老年人口增加,這些疾病愈加普遍,因此有效的診斷和預測工具變得非常重要。文章提到多種診斷方法,如基因測試和影像檢查,並強調AGI在分析大數據方面的潛力,能改善疾病檢測和預測。此外,還提出一個基於物聯網的框架,用於持續監測患者,提升醫療結果。最後,文章概述未來研究機會,針對AGI在神經退行性疾病管理中的挑戰,旨在改善早期檢測和個性化治療。 相關文章 PubMed DOI

急性冠狀動脈症候群(ACS)仍是主要的疾病與死亡原因,2023年歐洲心臟病學會(ESC)指導方針在管理上有顯著進步。本研究評估了ChatGPT-v4在遵循ESC指導方針的表現,結果顯示其在二元問題的準確率從84%提升至86%,多選問題則從80%提升至84%。雖然表現有小幅波動,但顯示出穩定性和高一致性。儘管如此,仍需注意其局限性及可能的風險,這在臨床應用中需謹慎考量。 相關文章 PubMed DOI

大型語言模型(LLMs)在藥物傳遞材料設計中展現潛力。我們使用Hugging Face的Transformers套件,透過BigBird、Gemma和GPT NeoX等架構進行預訓練和微調,並結合化學家的指導進行優化。研究結果顯示,整合化學見解對於提升模型性能至關重要。我們設計了光響應藥物傳遞分子,並探討了人類反饋在強化學習中的角色。最終,我們建立了一個高效的設計流程,但缺乏專門數據集仍是挑戰。 相關文章 PubMed DOI

這項研究探討了AI聊天機器人ChatGPT 3.0與傳統正念療法對老年人孤獨感和憂鬱症的影響。研究在杭州的兩家護理院進行,為期八週,參與者參加了團體正念課程及與ChatGPT的一對一互動。結果顯示,正念組的緊張感顯著減少,但兩者在情感結果上無明顯差異。焦點小組討論揭示了對AI和正念的經驗、實驗效果的態度及未來發展的期望。研究建議未來可將AI與傳統方法結合,以提升使用者體驗。 相關文章 PubMed DOI