罕見疾病的診斷與治療面臨挑戰，因為其發生率低且表現多樣。研究提出一種混合方法，結合字典式自然語言處理（NLP）工具與大型語言模型（LLMs），以提升從非結構化臨床報告中識別罕見疾病的能力。這個框架整合了孤兒病本體和統一醫學語言系統，利用SemEHR工具提取疾病資訊，並透過多種LLMs優化結果。研究顯示，這種方法在識別潛在罕見疾病方面表現優異，顯示出其在臨床應用中的潛力，未來仍需進一步研究以克服相關挑戰。 相關文章 PubMed DOI ♡

這項研究比較了ChatGPT的不同版本（GPT-3.5和GPT-4）在有無提示工程下，對大學物理編程作業的表現。研究分析了50份學生和50份AI生成的作業，結果顯示學生的平均得分為91.9%，明顯高於最佳AI（使用提示工程的GPT-4）的81.1%。提示工程對兩個版本的得分都有提升。評分者能準確識別作品作者，92.1%的作品被判定為人類創作，整體準確率為85.3%。這顯示AI作品雖然接近學生水準，但仍可被識別。 相關文章 PubMed DOI ♡

這項研究透過文獻分析，評估大型語言模型（LLMs）在眼科考試問題上的準確性。研究於2024年3月進行，納入14項研究，主要測試ChatGPT-3.5、ChatGPT-4、Bard和Bing Chat等模型。結果顯示，LLMs的整體準確率為0.65，其中ChatGPT-4表現最佳（0.74），而ChatGPT-3.5最低（0.52）。在不同主題中，「病理學」表現最佳（0.78），而「眼科的基本原則」最弱（0.52）。研究建議未來應加入影像問題，以更全面評估LLMs的能力。 相關文章 PubMed DOI ♡

這篇回顧探討了如何將SNOMED CT這個生物醫學術語整合進大型語言模型（LLMs），以提升其在生物醫學自然語言處理的表現。研究分析了2018至2023年間的37項相關研究，發現主要的整合方法包括將SNOMED CT納入LLM輸入、整合進額外模組，以及在推理時作為知識檢索器。雖然大部分研究顯示整合後表現有所提升，但也有研究指出某些情況下並未改善。這篇回顧強調了整合策略的多樣性及未來研究需標準化評估方法的重要性。 相關文章 PubMed DOI ♡

這項研究於2024年初對歐洲放射學會成員進行線上調查，評估他們對人工智慧（AI）在放射學應用的看法。572名成員參與，結果顯示： - 受訪者認為AI將在乳腺和腫瘤影像學中產生重大影響，特別是在CT和MRI檢測無症狀異常方面。 - 約一半的受訪者不擔心AI會影響就業機會。 - 48%的人認為患者不會接受僅由AI生成的報告。 - 45%承認AI輸出影響臨床決策的責任。 整體來看，ESR成員對AI技術相當熟悉，並認識到其潛在好處與挑戰。 相關文章 PubMed DOI ♡

這項研究分析了不同大型語言模型（LLMs）在牙科和根管治療學生評估中的表現。共測試151道選擇題，結果顯示ChatGPT-4.0o的準確率最高，達72%，其次是ChatGPT-4.0的62%、Gemini 1.0的44%和ChatGPT-3.5的25%。不同模型之間的表現差異明顯，特別是ChatGPT-4系列表現最佳。雖然這些模型能協助回答牙科問題，但效果因模型而異，顯示出ChatGPT-4系列在牙科教育上的潛力。 相關文章 PubMed DOI ♡

當前學術出版環境越來越受到品牌影響，真正的科學進步反而被忽視，尤其在流動經濟的壓力下更為明顯。人工智慧的興起，特別是大型語言模型，帶來了新的挑戰。這些模型雖然能生成學術文本，但可能因現有指標和壓力而被濫用，導致研究產出速度優先於質量，造成文獻激增卻缺乏深度。為了解決這些問題，學術界需進行文化轉變，重新聚焦於科學探究和追求真理的核心價值。 相關文章 PubMed DOI ♡

這項研究評估了兩款先進的AI聊天機器人，ChatGPT-4.0和Google Gemini Advanced，針對疫苗相關問題的回答準確性，並與世界衛生組織（WHO）進行比較。研究提出38個疫苗接種的迷思問題，結果顯示兩者都提供了36個正確回答，達到94.7%的高一致性。雖然有少數差異，但不具危害性，且都建議使用者查詢可靠來源如CDC和WHO或諮詢醫療專業人員。研究顯示這些AI聊天機器人能有效輔助健康溝通，提升健康素養，並解決疫苗猶豫問題，但仍需持續研究以確保其準確性。 相關文章 PubMed DOI ♡

ModelHamiltonian 是一個免費且開源的 Python 函式庫，專門用來表達各種模型的哈密頓量，包括自旋和佔據基礎的哈密頓量。它旨在促進新電子結構方法的測試，並已發展成為多功能的研究工具，適合教育用途。這個函式庫具備現代軟體開發的最佳實踐，提供完整的文檔和廣泛的測試，還有圖形介面讓不懂程式的人也能輕鬆使用，並支援簡單語言來指定哈密頓量。本文宣布 ModelHamiltonian 的正式發布，強調其多樣功能和潛在應用。 相關文章 PubMed DOI ♡

天然產物在藥物開發中非常重要，尤其是對抗感染、癌症和神經退行性疾病。不過，它們的供應有限，這成為一大挑戰。無模板的生物合成途徑設計能提升產量，而深度學習則是強有力的工具。這篇綜述探討了深度學習算法在天然產物生物合成中的應用，並評估了不同模型在預測中的潛力與挑戰。還提到大型語言模型在酶發現和工程中的應用，並討論了未來的挑戰與前景。 相關文章 PubMed DOI ♡