這項研究評估了三個大型語言模型（LLMs）—ChatGPT 4.0、Bard 和 LLaMa 在生成抗體藥物偶聯物（ADCs）相關眼部毒性資訊的表現。共提出22個問題，專家對模型的回答進行評分。結果顯示，ChatGPT的準確性得分為4.62，Bard為4.77，LLaMa為4.41，前兩者顯著高於LLaMa。在完整性方面，三者得分相近。整體而言，這些模型在眼科專業主題上表現良好，但ChatGPT和Bard的準確性較高。建議隨著研究進展，應重新評估這些模型的表現。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT對家長詢問兒童眼科和斜視問題的回答準確性。分析了817個問題，結果顯示78.09%的回答完全正確，19.09%正確但不完整，只有2.81%部分不正確，且沒有完全錯誤的回答。平均可讀性分數為14.49，超過成人的標準，這引發了一些擔憂。儘管可讀性有待改善，研究仍顯示ChatGPT能提供準確可靠的資訊，顯示其在醫療領域的潛力。 相關文章 PubMed DOI ♡

這篇論文反對將人工智慧（AI）系統，特別是大型語言模型（LLMs），列為科學論文的作者。作者認為，LLMs 無法對其產出負責，這是成為作者的必要條件。他們指出，AI 工具不具備有意義的寫作能力，也缺乏持久身份，並討論了 AI 作為作者可能對學術出版造成的負面影響。最後，作者質疑僅為了發表而使用 AI 生成更多研究的價值，並建議應該能夠識別過去 AI 使用的工具，以防止其成為作者。 相關文章 PubMed DOI ♡

這項研究探討符號系統，特別是語言，如何透過個體發展和歷史演變而形成。提出的集體預測編碼（CPC）假說，強調身體互動與社會互動在內部表徵和意義分享中的關聯。研究基於預測編碼，並借鑒計算模型，如概率生成模型和語言遊戲。CPC假說與自由能原則相連，暗示符號的出現與最小化自由能的社會原則一致。文章回顧相關研究，並探討未來的挑戰及跨學科研究機會。 相關文章 PubMed DOI ♡

PANDA-3D 是一款深度學習工具，專門用來從 AlphaFold 預測的蛋白質結構中推測基因本體 (GO) 術語。它結合了幾何向量感知器圖神經網絡和變壓器解碼器層，進行多標籤分類，表現優於傳統依賴實驗的結構方法，並在使用氨基酸序列的其他先進技術中也具競爭力。AlphaFold DB 擁有超過 2 億個預測的蛋白質結構，PANDA-3D 成為準確註解蛋白質功能的重要資源，並可透過網頁伺服器和資料庫輕鬆訪問。 相關文章 PubMed DOI ♡

這項研究評估了GPT-4在診斷罕見疾病的表現，使用了5,267份以phenopackets格式整理的案例報告。研究旨在克服以往樣本量小和主觀評估的問題。結果顯示，GPT-4的正確診斷平均倒數排名（MRR）為0.24，表示在19.2%的案例中正確診斷排名第一，28.6%排名前三，32.5%排名前十。這是迄今對大型語言模型在罕見疾病診斷的最大分析，提供了更真實的能力評估。 相關文章 PubMed DOI ♡

生成式人工智慧，特別是大型語言模型（LLMs），在兒科教育和訓練上有很大潛力。這些模型能幫助教育者改善課程設計、制定個性化學習計畫，並提供即時反饋，還能協助醫生簡化資訊搜尋，提升診所效率。不過，LLMs也可能產生不準確資訊，並引發偏見和倫理問題。因此，專業人士需謹慎使用並審查其輸出。為確保安全有效的應用，相關方應建立明確的指導方針和政策。本文探討了LLMs在兒科教育中的歷史、應用及挑戰。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT（GPT 4.0）在解釋阿茲海默症（AD）迷思的有效性，並與10位老年醫學臨床醫師的評估進行比較。醫師們使用5級李克特量表來評價ChatGPT對16個AD迷思的解釋，結果顯示他們對其準確性普遍滿意，平均得分為1.1，表示大多數人同意或強烈同意所提供的信息。雖然有些小分歧，但並無強烈反對意見。醫師們認為ChatGPT在對抗AD錯誤資訊方面有潛力，但強調需要更全面的疾病機制和治療資訊。 相關文章 PubMed DOI ♡

最近在人工智慧（AI）和大型語言模型（LLMs）方面的進展，特別是在皮膚科，顯示出良好的潛力。本研究比較了Claude 3 Opus和ChatGPT（GPT-4）在分析皮膚鏡影像以檢測黑色素瘤的表現。結果顯示，Claude 3 Opus在惡性區分上表現較佳，敏感度和特異度均高於ChatGPT。雖然兩者在診斷上有其潛力，但仍存在錯誤，強調了AI與臨床醫生合作的重要性，以開發更可靠的診斷工具。 相關文章 PubMed DOI ♡

全球心理健康問題日益嚴重，現有的照護模式無法滿足需求。大型語言模型（LLMs）被視為解決方案，能在心理健康教育、評估和介入上提供幫助。本文回顧了LLMs的應用，並指出其潛在的正面影響與風險，強調需採取策略來降低風險。平衡心理健康支持的需求與LLMs的負責任開發至關重要，確保這些模型符合倫理標準，並讓有經驗的人參與開發，以減少傷害並增強其正面影響。 相關文章 PubMed DOI ♡