**重點摘要：** ChatGPT-4o 被用來回答 10 個常見的隆鼻手術後問題，耳鼻喉科醫師評價其回答非常準確且安全，沒有發現重大錯誤。這顯示 ChatGPT-4o 有潛力成為術後衛教的好幫手，特別是在醫師不方便即時回覆時，可以提供病患協助。 相關文章 PubMed DOI 推理 ♡

這項研究提出 MPLBind 方法，能更準確預測蛋白質突變對蛋白質-配體結合親和力的影響。MPLBind 結合配體特徵、突變周圍環境及蛋白質語言模型資料，預測效果優於現有模型。 相關文章 PubMed DOI 推理 ♡

這項研究發現，大型語言模型（LLMs）在分析醫學生反思敘事時，能有效提取簡單資訊，但對於情感等細膩內容仍需仰賴人工。建議未來可結合 LLMs 與人工分析，以提升醫學教育研究的效率與準確性。 相關文章 PubMed DOI 推理 ♡

台灣有六成營養師用過ChatGPT，主要用在行政工作。年輕、高學歷、在醫院工作的營養師用得比較多。沒用過的人會受社會影響力影響想不想用；有用的人則看工作需求、自信心和風險感受。研究建議加強正面支持和訓練，有助推廣ChatGPT在營養師工作上的應用。 相關文章 PubMed DOI 推理 ♡

目前主流大型語言模型在眼科診斷和治療規劃上表現有限，因為缺乏專業整合能力。本研究提出ReasonAgent，結合影像分析、知識檢索與診斷推理。實測顯示，ReasonAgent診斷表現與住院醫師相當，治療規劃則明顯勝過GPT-4o和住院醫師，特別適用於罕見疾病，展現專業AI在臨床應用的潛力。 相關文章 PubMed DOI 推理 ♡

這項研究用大型語言模型分析2020到2021年COVID-19疫苗相關社群貼文，發現經微調的GPT-4o-mini在分類貼文內容上表現最好。約10%貼文提到個人接種行為，超過70%則是資訊分享。這些分類結果和實際疫苗接種率高度相關，顯示LLM能有效推估真實健康行為，對行為研究有實務價值。 相關文章 PubMed DOI 推理 ♡

生成式AI和大型語言模型越來越多人用來查醫療資訊，雖然有助提升健康知識，但也可能出現錯誤、過度簡化或隱私等問題。現有研究多著重正確性，較少納入病人實際經驗。未來應加強透明度、監督，並讓醫療人員和使用者參與回饋，同時加強大眾教育。 相關文章 PubMed DOI 推理 ♡

研究團隊開發出ECGFounder這個心電圖AI模型，利用超過一千萬筆資料訓練，能處理多種心電圖格式，並針對不同任務微調。它在80種診斷上表現媲美專家（AUROC超過0.95），外部測試也很穩定，整體表現優於現有模型。這項技術有助提升心臟疾病診斷效率，未來也能應用在穿戴式裝置上，推動智慧醫療發展。 相關文章 PubMed DOI 推理 ♡

這項研究用混合式機器學習方法，結合優化過的 LightGBM 和 transformer 語言模型，分析年輕人和年長者在記憶上的差異。結果發現，年輕人會利用閱讀時間減少錯誤記憶，年長者則容易被語意相似性影響，產生更多錯誤記憶。這方法不只提升對年齡相關記憶衰退的了解，模型表現也很優秀（F1-score 0.82，召回率 0.88）。 相關文章 PubMed DOI 推理 ♡

這項研究比較 DeepSeek 和 ChatGPT-4.0 回答尿失禁相關問題的表現。兩者可靠性差不多，但都很少附上資料來源。DeepSeek 在回答品質和可讀性上略勝一籌。雖然大致遵循臨床指引，偶爾還是會有偏差。這些 AI 工具還需改進，才能廣泛應用在臨床泌尿科。 相關文章 PubMed DOI 推理 ♡