這項研究發現，用AI（ChatGPT）寫的個人陳述，無論在寫作表現、個人特質展現，還是對面試決策的影響，都和真人寫的幾乎分不出來。這讓人開始懷疑個人陳述在住院醫師申請流程中的價值，也顯示未來可能要用更有效的方法來評估申請者的適合度。 相關文章 PubMed DOI 推理 ♡

這項研究比較中國DeepSeek-R1、美國ChatGPT-4和Google Gemini 1.5 Pro在醫學選擇題上的表現，三者正確率都超過八成，表現相近。DeepSeek-R1不僅有潛力，價格也較親民，還是開放型，適合當作美國主流AI在醫學教育上的替代選擇。 相關文章 PubMed DOI 推理 ♡

這篇論文回顧大型語言模型的發展，重點在新興能力、人類價值一致性、檢索增強生成及特定領域應用，並特別提到 DeepSeek 等最新進展，同時分析現階段挑戰與未來發展方向。 相關文章 PubMed DOI 推理 ♡

這是一則針對 DOI: 10.1016/j.csbj.2025.03.038 這篇文章的更正通知。 相關文章 PubMed DOI 推理 ♡

研究比較了ChatGPT、Google Gemini和Microsoft Copilot在回答家長常見脊柱側彎問題的表現。四位骨科醫師評分後，ChatGPT表現最好（4.0/5），明顯優於Gemini和Copilot（皆為3.1）。整體來說，這些AI都能提供不錯的資訊，目前以ChatGPT最可靠。 相關文章 PubMed DOI 推理 ♡

LEADS 是專為醫學文獻訓練的 AI 模型，能協助系統性回顧的搜尋、篩選和資料擷取，表現比一般大型語言模型更好。臨床醫師和研究人員用 LEADS 不只更準確、召回率高，還能省下很多時間，證明專業 AI 模型能大幅提升循證醫學的效率和品質。 相關文章 PubMed 推理 ♡

這篇研究提出用大型語言模型（LLM）從臨床病例報告中擷取有時間標記的資訊來預測臨床事件。結果顯示，編碼器模型在事件預測較好，解碼器模型則適合早期存活預測。特別是把資料按時間順序整理，能大幅提升預測效果，強調時間結構化在臨床應用的重要性。 相關文章 PubMed 推理 ♡

作者開發了一套用對話式AI自動打電話做調查的系統，能自己訪談、記錄並分析受訪者回答。實測40次，AI擷取答案的正確率高達98%，即使語音轉錄有小錯也不影響。參與者覺得AI客服講話清楚又有趣。這方法有望讓醫療電話調查更省人力、規模化。 相關文章 PubMed 推理 ♡

作者開發了 LEAVS 工具，能用大型語言模型從腹部 CT 報告中自動萃取異常類型、確定性和緊急程度等結構化標籤，涵蓋九個器官七種異常。LEAVS 準確率高（F1 分數 0.89），比現有方法更好，緊急程度標註也接近人工。這些標籤可用來訓練影像模型偵測腹部異常，程式碼和標註資料也已公開。 相關文章 PubMed 推理 ♡

作者開發了一套系統，能把病例報告的文字轉成有結構的時間序列資料，方便分析。他們比較人工和大型語言模型（LLM）的標註結果，發現LLM在事件辨識上表現普通，但在標註事件時間點上跟人工很接近。這研究為未來用病例報告做病程時間序列分析打下基礎。 相關文章 PubMed 推理 ♡