這項研究調查了學生藥劑師對人工智慧（AI）和機器學習（ML）在藥學實務中的看法。研究發現，學生藥劑師對AI/ML持正面態度，但對其應用了解有限。他們認為AI/ML能提高準確性和效率，但也擔心警報疲勞和錯誤的風險。參與者希望能進一步了解這些技術，並希望將其納入藥學教育中。研究強調了藥學實務中整合AI/ML的需求，並呼籲藥劑師、教育機構與AI/ML公司合作，以克服挑戰。 相關文章 PubMed DOI ♡

這項研究探討了基於變壓器的自然語言處理（NLP）如何改善偶發性主動脈瘤（AAs）的檢測與管理。研究目標包括評估NLP管道的有效性、量化臨床影響及促進約診協調。分析了3,229份放射學報告，結果顯示NLP在檢測AAs方面準確性高，F1分數介於96.7%到99.4%之間，優於手動查閱。研究中，14.1%的患者有偶發性發現，55.7%成功聯繫並協調後續約診，顯示NLP能有效增強主動脈瘤的監測，改善患者結果。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT-3.5在回答青光眼相關常見問題的有效性。由十二位專家組成的評估小組針對四個主題的40個問題進行評分，結果顯示AI的回答整體得分為正面，平均約為4分（「同意」）。不過，全面性得分最低（3.7），顯示回答常缺乏深度。具體來說，20%的問題在連貫性上得分低於4，42.5%在事實性上得分低於4，60%在全面性上得分低於4，20%在安全性上得分低於4。專家指出AI缺乏個別病人情況的考量。因此，雖然AI的回答普遍可接受，但不應依賴其進行青光眼的個人化諮詢。 相關文章 PubMed DOI ♡

這項研究探討了一種免持的放射科報告系統，結合語音轉文字技術與生成式人工智慧，旨在提升效率並減輕醫師負擔。研究比較了傳統報告生成方式與使用GPT-4的自動化過程，分析了100份胸部及肌肉骨骼的報告。主要發現顯示，這個系統能減少報告生成時間38%（p < 0.0001），且報告質量普遍較高，但在某些複雜案例中偶有不準確。結論指出，整合這些技術可改善工作流程，讓醫師能更專注於病人護理，但仍需進一步提升報告的全面性與準確性。 相關文章 PubMed DOI ♡

社會支持（SS）和社會孤立（SI）對精神健康影響深遠，通常在電子健康紀錄中以非結構化的臨床筆記記錄。為了自動提取這些資訊，研究人員在Mount Sinai Health System和Weill Cornell Medicine進行了一項研究，標註了525份筆記，建立了黃金標準語料庫。他們開發了兩種系統：基於詞彙的規則系統（RBS）和大型語言模型（LLM）。結果顯示，RBS在提取SS/SI方面表現優於LLM，顯示出更高的準確性。這表明RBS的設計更符合標準，而LLM則較為一般化，未來仍需進一步研究以確認這些結果。 相關文章 PubMed DOI ♡

這項研究探討了將人工智慧工具ChatGPT應用於醫療決策的可行性，特別針對小兒阻塞性睡眠呼吸暫停症（OSA）在腺樣體及扁桃體切除術後的管理。研究比較了ChatGPT的回應與2024年專家共識的52項聲明，結果顯示63%的回應與專家意見一致，但有13%的回應差異超過2分，尤其在外科和醫療管理方面。這些不一致性引發了對ChatGPT可靠性的擔憂，強調了在醫療領域中對AI工具的仔細評估和改進的必要性，並呼籲AI開發者、醫療專業人員及監管機構之間的合作。 相關文章 PubMed DOI ♡

這篇系統性回顧探討大型語言模型（LLMs）在心理健康領域的應用，特別是在早期篩檢、數位介入和臨床應用的有效性。回顧分析了2017年到2024年期間的40篇文章，結果顯示LLMs能有效識別心理健康問題並提供電子健康服務，但也存在文本不一致、幻覺現象及缺乏倫理框架等風險。主要挑戰包括需要多語言專家標註的數據、內容可靠性及數據隱私等倫理問題。雖然LLMs不應取代專業服務，但作為輔助工具的潛力值得進一步研究。 相關文章 PubMed DOI ♡

大型語言模型（LLMs）因應用廣泛而受到重視，但其訓練和部署的計算需求也隨之增加。記憶電阻交叉陣列（memristor crossbars）因其小巧和高能效，成為解決方案，特別適合計算機視覺任務。然而，將LLMs部署在此技術上面臨三大挑戰：1. LLM增長超出記憶電阻晶片能力；2. 多頭注意力區塊需非靜態乘法，傳統技術無法處理；3. 複雜非線性運算表現不佳。為解決這些問題，我們提出新架構，能在單晶片上部署LLMs，測試顯示準確度損失極小，並顯著降低能量消耗。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在根據病人症狀推薦醫療專科的效果，使用了31,482個標記有27個專科的醫療問題。結果顯示，ChatGPT的準確率為0.939，F1分數為0.134，雖然不及經過微調的韓國醫療BERT（KM-BERT）的準確率0.977和F1分數0.587，但它能提供有價值的解釋，幫助病人理解潛在的醫療狀況。雖然在專科推薦上不如KM-BERT，ChatGPT的對話能力仍可能改善病人獲取資訊的過程。 相關文章 PubMed DOI ♡

隨著人工智慧在心理健康照護中的重要性日增，對於評估其臨床、倫理及使用者中心標準的需求也隨之上升。本文回顧了人工智慧心理健康介入的評分系統歷史，並介紹了心理健康人工智慧工具評估框架（FAITA-Mental Health），幫助使用者根據可信度、使用者體驗等關鍵標準評估相關平台。研究以OCD Coach為例，顯示該框架在實際應用中的優缺點，強調制定嚴格標準以確保人工智慧在心理健康照護中的有效性與安全性。 相關文章 PubMed DOI ♡