在醫療保健領域，人工智慧（AI）在抗生素處方的應用逐漸增多。透過機器學習技術，如邏輯回歸和深度神經網絡，臨床決策支持系統（ML-CDSSs）展現出改善抗生素處方的潛力。根據PubMed的研究，抗生素處方過程複雜，ML-CDSSs能正面影響臨床結果，但仍面臨挑戰，包括訓練數據透明度、黑箱模型的解釋需求，以及法律與倫理框架的建立，以確保決策責任。 相關文章 PubMed DOI ♡

文盲率上升和認知技能下降，加上錯誤資訊的氾濫，對全球帶來了嚴重挑戰。雖然大型語言模型（LLMs）的快速發展可能加劇這些問題，但它們也有潛力改善文盲情況。認知科學在教育上具優勢，能透過分析和優化LLMs的設計、促進互動學習及支持多元學習方式來指導其有效使用。認知科學家的參與非常重要，以確保LLMs對文盲的影響是正面且公平的，而非僅由大型科技公司主導。 相關文章 PubMed DOI ♡

LLM-Twin 是一個針對數位雙胞胎網路 (DTNs) 的新框架，利用大型語言模型 (LLMs) 來提升溝通和計算效率。主要特色包括： 1. **數位雙胞胎語意網路 (DTSNs)**：整合 LLMs，減少原始數據傳輸需求，優化數據理解與處理。 2. **迷你巨型模型協作方案**：有效部署 LLMs，處理多模態數據，優化資源使用並確保模型協作。 3. **原生安全政策**：設計專屬安全框架，保障數據安全同時維持效率。 4. **數值實驗與案例研究**：經過實驗驗證，顯示其在解決 DTNs 限制上的有效性。 總之，LLM-Twin 是數位雙胞胎網路的一大進步，特別適合高效數據處理的應用。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT-4在類似ARRT認證考試的練習題上的表現，使用了200道選擇題，總共進行了3000次測試。整體準確率為80.56%，文字型問題表現較佳（86.3%），影像型問題則較差（45.6%），且影像問題的回答時間較長。不同領域的表現差異明顯，安全性72.6%、影像製作70.6%、病人護理67.3%、程序53.4%。研究顯示ChatGPT-4在ARRT題庫上表現不錯，但仍需進一步研究與實際考試結果的關聯，影像處理的進步對教育應用也很重要。 相關文章 PubMed DOI ♡

這項研究探討如何利用提示工程來映射測試問題，並評估ChatGPT與人類教師的有效性。研究分析了139個來自藥物治療課程的測試問題，三位教師將這些問題對應到模組目標及藥學教育標準，並確立「正確答案」。結果顯示，ChatGPT成功映射到「正確答案」的比例為68.0%，且在20.1%的案例中至少匹配到一位人類教師的回應，總體一致性達88.1%。研究強調了提示工程在提升大學評估及課程委員會測試問題映射效率的潛力。 相關文章 PubMed DOI ♡

這項研究探討了人工智慧（AI）在神經外科手術文檔的應用，分析了36份手術記錄，並利用ChatGPT 4.0撰寫記錄。研究團隊評估了144份記錄，結果顯示AI生成的記錄在準確性（4.44）和組織性（4.54）上表現良好，但內容得分較低（3.73）。可讀性方面，AI記錄的複雜度較高，顯示其在提升神經外科文檔效率上有潛力，但仍需改善內容質量。 相關文章 PubMed DOI ♡

這項研究探討了將人工智慧，特別是ChatGPT，融入護理教育的影響，重點在護理學生的倫理決策和臨床推理。研究於2023年9月進行，99名護理學生被分為兩組：一組使用ChatGPT，另一組則依賴傳統教科書。結果顯示，對照組在倫理標準和臨床推理上表現較佳。實驗組的反思文章指出AI輔助的可靠性較低，但時間效率有所提升。研究建議結合AI與傳統方法的混合教育，以增強護理學生的決策能力。 相關文章 PubMed DOI ♡

這項研究全面評估了多款AI聊天機器人（如ChatGPT®、Bard®、Gemini®、Copilot®和Perplexity®）生成的醫療資訊的可讀性和質量。結果顯示，Bard®的可讀性最佳，而Gemini®最難閱讀。所有聊天機器人的回應都超過了建議的六年級閱讀水平，顯示病人教育材料的可及性需改進。雖然Perplexity®在質量評估中得分最高，但Gemini®的整體質量得分最佳。這強調了確保AI生成的健康資訊既易讀又高質量的重要性，以有效教育病人。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在提供甲狀腺癌資訊的準確性和充分性，包括管理方式及情感支持。結果顯示，ChatGPT對甲狀腺癌的資訊掌握良好，正確率達76.66%，但在案例管理上表現不佳，建議多為一般性而非個別化。在情感支持方面，則提供了實用的指導，幫助患者及照顧者適應新診斷。總體來看，ChatGPT在資訊提供上能力中等，但情感支持方面表現有效。這是首個針對ChatGPT在此醫療背景下能力的研究。 相關文章 PubMed DOI ♡

這項研究探討了一種三層篩選方法，利用GPT-3.5和GPT-4來提升雙相情感障礙治療的系統性回顧中標題和摘要的篩選效率。篩選分為三個層次：研究設計、目標患者及介入措施。結果顯示，GPT-4在敏感性和特異性上表現良好，顯示其在系統性回顧中的應用潛力。未來研究可考慮將此方法擴展至其他領域，以評估其更廣泛的有效性。 相關文章 PubMed DOI ♡