這篇論文提出MLLM-SRec序列式推薦系統，結合多模態大型語言模型，能同時理解商品圖片和文字，並動態掌握用戶偏好。透過多模態對齊和提示技術，MLLM-SRec在多個資料集上推薦效果都比現有方法更好，展現高準確度和穩定性。程式碼和資料可在GitHub下載。 相關文章 PubMed DOI 推理 ♡

這篇綜述說明AI如何革新定量系統藥理學（QSP），像是用代理模型、虛擬病人和數位分身來提升藥物預測和精準醫療。文中也點出運算資源、資料整合、模型可解釋性和法規等挑戰，並提出解決策略，幫助藥物開發更有效率。 相關文章 PubMed DOI 推理 ♡

目前LLM在肌肉骨骼醫學的研究越來越多，但多數方法類似且缺乏嚴謹。這領域需要統一且公開的評比標準，例如固定提問和明確評分，才能公平比較模型在臨床任務的表現。這不僅提升研究可重現性，也能避免選擇性報告，推動更有意義的進步，像骨科手術登錄系統一樣。 相關文章 PubMed DOI 推理 ♡

**重點整理：** ChatGPT-4 在文字型的醫學考題中，答對率達到 77.5%，在需要記憶事實的題目表現最好，但在需要更複雜思考的題目上表現較差。它在影像診斷方面的能力還有待加強，目前還不適合用於需要判讀醫學影像的臨床決策。 相關文章 PubMed DOI 推理 ♡

這篇回顧整理了生成式大型語言模型在中風照護的應用現況，發現多數還在初步階段，主要用於決策支援、行政、病患互動等。挑戰包括正確性、穩定性、可解釋性及臨床落地。作者也提出發展可信賴gLLM的建議，強調需更多真實世界證據與安全驗證。 相關文章 PubMed DOI 推理 ♡

這篇回顧整理了60篇LLM在腫瘤醫學的應用研究，發現多用GPT模型，主要用於癌症診斷和治療，資料來源多元，常用提示工程。使用者包含醫師、病患和研究人員，領域適應有助提升表現。現有研究常見泛用性不足、樣本太少、偏誤和評估不一致等問題，未來需加強模型泛用性、減少偏誤並標準化評估。 相關文章 PubMed DOI 推理 ♡

這篇論文提出uMedGround架構，能自動從醫療報告中找出診斷用語及其在影像中的位置，省去手動標註。它結合多模態大型語言模型和視覺編碼-解碼器，並加入不確定性評估，提升結果可靠性。實驗證明，uMedGround表現優於現有方法，還支援視覺問答和類別定位，協助醫師解讀報告。 相關文章 PubMed DOI 推理 ♡

現在用 MTurk、Prolific 這類群眾外包平台做線上研究，雖然有資料品質問題，但靠品質控管還算可靠。不過，隨著像大型語言模型（LLMs）和 OpenAI “Operator” 這類 AI 工具出現，未來資料可能會遇到更難察覺的新風險。這份報告提醒大家要重視這些新挑戰，並呼籲持續討論和研究。 相關文章 PubMed DOI 推理 ♡

這項研究發現，目前AI檢測工具（如GPTZero等）雖然能中高準確度分辨神經外科期刊的人類與AI文章，但仍不夠可靠，容易誤判。ChatGPT寫的文章原創性高。研究呼籲需更完善的檢測方法及明確AI使用政策，以避免倫理爭議和誤用。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4和ChatGPT o1在醫療模擬教學回饋相關文章中，產生正確且相關的參考文獻表現不佳，只有約六成正確，且高度相關的僅兩成多。即使調整提示，效果也沒明顯提升，顯示這兩款模型在這方面還不夠可靠。 相關文章 PubMed DOI 推理 ♡