**重點摘要（繁體中文）:** 這項研究評估了三款先進大型語言模型——GPT-4o、LLaMA 3 和 Qwen 2.5——利用經過整理的資料庫來分類和解讀與癌症相關的基因變異，目的是要了解它們在精準腫瘤醫學臨床應用上的效能。 相關文章 PubMed DOI 推理 ♡

這項研究比較 BERT、GPT-3.5 和 GPT-4o-mini 三種模型，從日本報紙文章中擷取人名、機構和地點。結果發現 BERT 的準確率最高（F1-score 0.94），最適合用來自動從臨床資料中擷取個人資訊，開發去識別化工具。 相關文章 PubMed DOI 推理 ♡

這項研究開發自動系統，把日文和英文的不良事件術語做對應。團隊先把英文術語翻成日文，再用SentenceBERT算相似度。結果顯示，翻譯後對應準確率有提升，官方翻譯最好，機器翻譯也不差。只用術語名稱來對應健康影響時，準確率約五成。這方法能幫助人工對應，未來還能再優化。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4.0對100個民眾醫療問題的回答有九成很準確，內容也多數完整。不過，還是建議大家遇到健康問題要找專業醫師確認，因為AI的建議不一定適合每個人。未來也需要研究提問方式和不同評價標準的影響。 相關文章 PubMed DOI 推理 ♡

**重點摘要：** TB-TST 將新增一個以西班牙語為主的 AI 助理，運用大型語言模型，提供即時、有同理心且具臨床相關性的結核病照護支援。這項措施旨在提升治療依從性、擴大服務規模與可近性，同時重視隱私以及文化和語言的適切性。 相關文章 PubMed DOI 推理 ♡

這篇論文提出用大型語言模型自動辨識都市淡水環境中重要的人類與生態健康指標，並以One Digital Health框架為基礎。這方法能簡化文獻回顧和指標整理流程，幫助OneAquaHealth計畫提升數位監測效率，同時整合人類、動物和生態健康的相關資訊。 相關文章 PubMed DOI 推理 ♡

這項研究發現，透過遊戲化設計、影音內容和 AI 產生的個人化提醒，能有效提升巴西基層醫療人員在 Educa e-SUS APS MOOC 的參與和完成率。平台再參與率超過 12%，課程完成率也高於一般線上課程，證明 AI 個人化策略有助於提升數位公共衛生教育成效。 相關文章 PubMed DOI 推理 ♡

這篇研究整理了健康醫療資訊可讀性的四大評估方法：語言特徵分析、機器學習、自然語言處理和人工標註。雖然方法持續進步，但還沒有公認的主流工具。作者建議未來可結合AI和大型語言模型，來提升可讀性評估的效果。 相關文章 PubMed DOI 推理 ♡

KnowledgePipeline 是一套自動化工具，能整合論文內容、共同被引用和共同作者等資訊，打造高品質的癌症研究語料庫。這對像 GPTJ-6.7B、Galactica-30B 這類大型語言模型的專業微調很有幫助，能提升針對特定問題的問答表現。實際應用在 interleukin-6 與膀胱癌研究時，效果明顯提升。 相關文章 PubMed DOI 推理 ♡

**重點摘要：** 我們開發了一種利用大型語言模型（LLMs）來有效篩選和整理頭頸癌臨床品質指標的新方法，大幅減少人工作業。雖然這個方法能讓流程更有效率，但還是需要人工審核。我們的方法具有通用性，也有機會改善其他領域的臨床品質指標管理。 相關文章 PubMed DOI 推理 ♡