這項研究評估了ChatGPT在分類微創青光眼手術（MIGS）相關電子健康紀錄中的出血事件（HE）的有效性。主要發現包括： 1. **分類準確性**：ChatGPT在HE類型分類上表現優異，Cohen's Kappa值為0.93，精確度-召回曲線下面積為0.968。 2. **HE發生率**：術後第1天，goniotomy眼睛67.8%出現HE，SCS眼睛為25.2%。 3. **HE解決情況**：術後第1週，goniotomy眼睛43.4%仍有HE，1個月後降至13.3%。 4. **風險因素**：goniotomy角度越大，HE風險越高。 結論指出，ChatGPT能準確分類EHR數據，對未來研究和臨床決策有幫助。HE雖常見，但通常會自我解決。 相關文章 PubMed DOI ♡

電動車和可再生能源的發展需要在電化學儲能系統上取得進展，如燃料電池和鋰離子電池等。這些技術雖然前景看好，但面臨高成本和材料稀缺等挑戰。本研究提出一種新穎的生成式人工智慧整合方案，利用生成對抗網絡、自編碼器和大型語言模型，改善材料發現和電池設計等方面。研究強調納米和微米尺度的互動對提升效率和延長壽命的重要性，並探討GenAI在儲能領域的挑戰與未來方向，旨在促進可持續的能源解決方案。 相關文章 PubMed DOI ♡

您的研究利用人工智慧，特別是OpenAI的ChatGPT-4，來縮小唇顎裂患者的健康素養差距，提升患者教育材料（PEMs）的可讀性。您分析了美國唇顎裂-顱面協會認可的網站上的PEMs，發現中位數閱讀水平為9年級。使用ChatGPT-4簡化後，閱讀水平降至6年級，顯示出顯著改善。此外，只有27%的網站提供互動教育內容，顯示資源使用不足。研究結果顯示，人工智慧能有效提升PEMs的可讀性，但仍需更多互動工具以增進患者教育與參與度。 相關文章 PubMed DOI ♡

肌少症和骨關節炎是常見的老年疾病，兩者會互相影響，造成患者困擾。運動對打破這種惡性循環至關重要。隨著復健需求增加，結合ChatGPT-4和可穿戴設備的移動復健系統可能提升護理的可用性和效率。 本研究將招募278名同時患有骨關節炎和肌少症的患者，進行前瞻性隨機試驗，評估這套系統的有效性和成本效益。干預組將接受個性化的運動治療，而對照組則進行傳統面對面治療。研究將在不同時間點評估患者的關節活動、疼痛程度及生活品質等指標。 相關文章 PubMed DOI ♡

藥物再利用是一種高效且具成本效益的藥物發現策略，但現有模型常因數據不足而影響預測準確性。傳統的藥物-靶標互動模型難以泛化於大量藥物。相對地，大型語言模型（LLMs）因其龐大的數據和參數具優勢。 我們提出了DrugReAlign框架，結合LLMs和多來源提示技術，增強藥物再利用。此框架從廣泛知識庫中收集藥物和靶標的資訊，解決數據限制，並整合多數據庫的靶標摘要，顯著提升LLMs的表現。 透過分子對接和DTI數據集驗證，我們發現LLMs的靶標分析準確性與預測質量高度相關，顯示此框架可能為藥物再利用開創新途徑。 相關文章 PubMed DOI ♡

這項研究探討了ChatGPT對高等教育學生學習的影響，特別是影響學生使用這個AI工具的因素。研究結合了「統一技術接受與使用理論」和「心流理論」，建立了一個模型來分析這些因素。透過對巴基斯坦三所大學505名學生的數據進行結構方程模型（SEM）分析，結果顯示感知趣味性是學生使用ChatGPT的主要預測因子，其次是感知價值和績效期望。此外，行為注意力也顯著影響使用行為。這項研究強調了在教育環境中深入探討AI工具的重要性。 相關文章 PubMed DOI ♡

這項研究評估了GPT-3.5-turbo和GPT-4-turbo在急診部門提供臨床建議的表現，分析了10,000次就診。結果顯示，這兩個模型的準確性都不如住院醫師，GPT-4-turbo平均低8%，而GPT-3.5-turbo低24%。雖然這些大型語言模型在敏感性上表現良好，但特異性較低，顯示出建議過於謹慎。研究指出，儘管LLMs在臨床應用上有潛力，但在成為可靠的醫療決策支持系統前，仍需大幅改進。 相關文章 PubMed DOI ♡

本研究旨在解決垂體腺瘤的鑑別診斷挑戰，建立高品質的臨床註解語料庫。透過回顧性收集中國一所頂尖醫院的數據，最終形成包含2000份文件的垂體腺瘤文本語料庫（TCPA），共9430句話和524,232個單詞。研究結果顯示，TCPA具備高品質的醫療實體標註，並能有效識別臨床資訊，減少訓練數據需求，降低勞動成本。此方法對未來醫學自然語言處理研究具有重要參考價值。 相關文章 PubMed DOI ♡

這項研究探討了ChatGPT-4在美國家庭醫學委員會（ABFM）認證考試中的表現，目的是評估其是否能達到及格標準。研究中，ChatGPT-4在模擬考試環境下，使用300道練習題進行測試，結果顯示其正確回答率為88.67%（自訂版本）和87.33%（常規版本），兩者差異不大。這顯示ChatGPT-4在處理醫學問題上具備高效能，並強調了AI在醫學教育中的潛力及持續改進的必要性。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs），特別是GPT-4，在識別肝硬化患者方面的有效性，並與傳統診斷代碼和手動病歷審查進行比較。研究分析了3,788名肝硬化住院病人的出院摘要，結果顯示LLMs的準確性顯著高於基於代碼的分類，肝硬化及其併發症的正確預測值（PPV）介於87.8%到98.8%之間。這表明LLMs能更準確地識別肝硬化患者，可能減少對繁瑣病歷審查的需求，提高分類的可靠性。 相關文章 PubMed DOI ♡