這項研究探討了先進計算方法在蛋白質骨架設計與修改上的創新應用，對於蛋白質功能及疾病治療影響重大。研究團隊開發了名為PB-GPT的模型，透過代碼本量化和壓縮字典，將蛋白質骨架結構轉換為獨特編碼格式。該模型在多個數據集上訓練與評估，顯示出生成複雜且真實蛋白質骨架的能力，模仿自然蛋白質結構，顯示大型語言模型在蛋白質結構設計上的潛力。 相關文章 PubMed DOI ♡

這項研究探討了人工智慧聊天機器人ChatGPT在麻醉學領域回應病人問題的效果。研究將ChatGPT的回應與認證麻醉醫師的回應進行比較，使用100個虛構臨床情境的麻醉問題。結果顯示，ChatGPT的整體質量評分與麻醉醫師相似，但同理心評分較高。不過，ChatGPT在科學共識一致性上表現不佳，且潛在傷害的比率較高。研究結論指出，雖然ChatGPT在醫療領域有潛力，但仍需改進以降低風險，並建議進一步研究其在複雜臨床情境中的有效性。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs），如ChatGPT和Gemini，在提供小兒骨科疾病建議的可靠性，並參考了美國骨科醫學會（AAOS）的指導方針。結果顯示，ChatGPT和Gemini的符合率分別為67%和69%，差異不大。值得注意的是，ChatGPT沒有引用任何研究，而Gemini則參考了16項研究，但大多數存在錯誤或不一致。總體來看，這些模型雖然在某程度上符合指導方針，但仍有許多中立或不正確的陳述，顯示醫療AI模型需改進與提高透明度。 相關文章 PubMed DOI ♡

這項研究評估了四個大型語言模型（LLMs）在美國胸外科醫學會的胸外科自我教育與自我評估（SESATS）XIII題庫上的表現。測試的模型包括GPT-3.5、GPT-4、Med-PaLM 2和Claude 2。結果顯示，GPT-4的正確回答比例達87.0%，明顯優於GPT-3.5的51.8%。GPT-4在各子專科的準確率介於70.0%到90.0%之間，顯示出LLMs在外科教育和訓練方面的潛力，對醫學教育和病人護理有美好的前景。 相關文章 PubMed DOI ♡

人工智慧（AI）在醫療，特別是放射學的發展，正帶來重大變革，提升診斷準確性和病人參與度。大型語言模型（LLMs），如GPT-4，能協助撰寫和總結放射報告，支持鑑別診斷，並建議基於證據的治療方案。本文探討了GPT-4在提升診斷精確度和報告效率的應用，同時也提到實施AI技術所面臨的倫理和隱私挑戰，強調需謹慎監督和遵循法規。最終，這些技術有望改善病人照護和臨床研究。 相關文章 PubMed DOI ♡

你提到的確實是大型語言模型在提供資訊時的可靠性問題，尤其是針對上肢疾病。錯誤資訊可能會造成健康誤解，影響個人對健康的主動管理。使用者應該批判性地看待AI提供的資訊，並尋找醫療專業人士或可信網站的意見。持續更新這些模型也能提高準確性，減少錯誤資訊的流傳。鼓勵使用者主動學習和自我倡導，能幫助他們做出更明智的健康決策。如果有具體的錯誤資訊或擔憂，討論這些問題會更有幫助。 相關文章 PubMed DOI ♡

這項研究探討內視鏡顱底手術相關的線上病患教育材料的可讀性與品質，並評估ChatGPT在改善這些材料方面的潛力。雖然建議可讀性應在六年級以下，但許多現有文章仍難以理解。研究發現66篇文章中，10篇可讀性最低的經過ChatGPT修改後，Flesch可讀性指數顯著提升，從19.7增至56.9，顯示可讀性改善至10年級水平。總體而言，ChatGPT有效提升了病患教育材料的可讀性與品質，顯示其在創建和精煉內容上的潛力。 相關文章 PubMed DOI ♡

本研究評估大型語言模型（LLM），特別是GPT-4，是否能有效分析介入放射學（IR）微波消融裝置的安全事件數據。研究收集了2011年至2023年的安全數據，並由人類審核者進行分類。GPT-4的分類準確率在訓練集達96.0%，驗證集86.4%，測試集87.3%。最終生成的摘要與人類解讀相似，顯示LLM在處理IR安全數據方面的潛力，成為臨床醫生的有用工具。 相關文章 PubMed DOI ♡

這項研究評估了一個名為Anatbuddy的AI聊天機器人，專注於提供準確的解剖學資訊，並與ChatGPT 3.5進行比較。Anatbuddy採用檢索增強生成的方法，能根據特定知識庫給出有上下文的回應。三位解剖學專家評估了18個胸部解剖問題的回答，結果顯示Anatbuddy的事實準確性得分明顯高於ChatGPT（4.78對4.11）。雖然其他評估標準差異不大，但研究建議應開發自訂AI聊天機器人以提升解剖學教育的準確性，並呼籲進一步探討學生對這類工具的接受度及其學習影響。 相關文章 PubMed DOI ♡

這項研究評估大型語言模型（LLMs）在系統性回顧和統合分析中的摘要篩選效果。研究人員使用Python腳本，與多種LLMs互動，包括ChatGPT 3.5和4.0、Google PaLM 2等，並將其表現與人類專家的納入決策進行比較。結果顯示，ChatGPT v4.0的準確率超過90%，顯示其在摘要篩選上的潛力。雖然LLMs尚無法完全取代人類專家，但能顯著提升篩選效率，未來可能改變相關工作流程。 相關文章 PubMed DOI ♡