這項研究評估了幾種AI語言模型的表現，包括ChatGPT-3.5-Turbo-0613、GPT-4-0613和Google Bard，針對波斯語和英語的醫學考試進行測試。結果顯示，GPT-4在所有考試中表現最佳，而Google Bard在波斯語考試中表現稍低，但仍可接受。ChatGPT-3.5則未能通過任何考試。雖然GPT-4在英語考試中表現優異，但與伊朗醫學生的表現差異並不顯著。研究指出，GPT-4在醫學應用上潛力巨大，但仍需進一步探討其限制。 相關文章 PubMed DOI ♡

臨床試驗的病人招募常常困難，但TrialGPT提供了解決方案。它的框架包含三個主要模組： 1. **TrialGPT-Retrieval**：能有效篩選和檢索試驗，回收率超過90%，只用不到6%的資料。 2. **TrialGPT-Matching**：評估病人符合性，準確率達87.3%，與專家相當，並提供清晰解釋。 3. **TrialGPT-Ranking**：生成的試驗分數與人類判斷一致，排名準確度超越競爭對手43.8%。 使用者研究顯示，TrialGPT能減少42.6%的篩選時間，顯示出在病人與試驗匹配上的進展。 相關文章 PubMed DOI ♡

最近，人工智慧（AI）的期待大幅上升，主要因為深度學習的進步。AI 現在在各領域廣泛應用，尤其在醫療上影響顯著。生成式 AI 技術如 ChatGPT 進一步加強了這種影響。許多 AI 應用在醫學上逐漸出現，監管機構也已批准 AI 軟體作為醫療器材。大數據整合促進了數據驅動的研究。不過，儘管 AI 潛力巨大，仍面臨挑戰。本篇評論將探討 AI 在癌症研究中的現狀及未來方向。 相關文章 PubMed DOI ♡

近年來，變壓器模型在深度學習中變得非常重要，並催生了許多高效技術，如微調和擴展。不過，這些策略的數學基礎常常不夠扎實。為了解決這個問題，我們提出了一個基於分佈回歸的變壓器學習框架，並將分佈作為輸入。我們引入了一種名為注意力運算子的數學表述，讓變壓器能在不損失信息的情況下壓縮分佈。研究顯示，這種變壓器能學習比傳統模型更複雜的泛函，並建立了與大型語言模型相關技術的理論基礎。 相關文章 PubMed DOI ♡

這篇綜合性回顧系統性檢視了ChatGPT在護理領域的應用，著重於其影響與挑戰。研究者從2022年1月至2024年6月，對PubMed、Web of Science和Scopus進行文獻搜尋，最終找到31篇相關論文。回顧圍繞三個主題：ChatGPT的支持角色、不同模型的有效性比較及使用挑戰。結果顯示，護理專業人員需平衡ChatGPT的優缺點，並針對不足之處尋求解決方案。雖然ChatGPT能改善語言質量並提供臨床建議，但也需謹慎使用，避免過度依賴。 相關文章 PubMed DOI ♡

這項研究探討了ChatGPT對三年級醫學生學術寫作的影響，共有130名學生參與。結果顯示，使用ChatGPT的學生在寫作速度和文章質量上均優於未使用的對照組。69.7%的ChatGPT組學生在2-3天內完成任務，且文章在完整性和可信度上表現更佳。此外，他們對自己的寫作技能和自信心感到提升，對未來使用ChatGPT持正面態度。研究建議將ChatGPT整合進醫學學術寫作，以提升效率和質量，顯示人工智慧在醫學教育中的潛力。 相關文章 PubMed DOI ♡

這項研究探討了使用人工智慧，特別是WhatsApp上的OpenAI助手，進行敘事訪談，強調了AI在社會研究中的新角色。研究中，參與者以兩種方式分享相同故事，評估AI的表現，包括結構遵循、同理心和敘事連貫性等。研究提出三個問題，並發現AI能在對話中保持結構與適應性，顯示其在個性化訪談中的潛力。結論指出，觀察指標可幫助非技術背景的研究者評估AI的有效性，並鼓勵未來的研究探索。 相關文章 PubMed DOI ♡

這項研究比較了十五個大型語言模型（LLMs）在處理眼科案例的表現，測試來自《JAMA Ophthalmology》的二十個案例。結果顯示，這些模型的平均得分為19，三個模型（ChatGPT 3.5、Claude Pro和Copilot Pro）表現優於平均，其中Copilot Pro得分最高。雖然這些模型的可讀性高於八年級水平，對一般人來說較難理解，但對眼科醫生則可接受。研究認為，雖然LLMs的準確性不足以單獨用於病人護理，但在協助醫生方面顯示出潛力，特別是訂閱制模型。 相關文章 PubMed DOI ♡

這項研究顯示，風濕病醫師在使用人工智慧（AI）方面的現狀不佳，73%的醫師在日常工作中並未使用AI。大多數受訪者（88%）對AI的了解評價為低到中等，84%希望接受大型語言模型（LLMs）的專門訓練。儘管使用情況有限，60%的醫師認為AI能提升病患照護，62%期待減輕工作負擔。他們特別看好AI在診斷、撰寫醫療報告和數據分析的應用，但對醫療決策責任和數據安全仍有顧慮。總體來看，醫師對AI的實施和訓練機會充滿興趣。 相關文章 PubMed DOI ♡

這篇論文探討大型語言模型（LLMs）在心理健康護理與研究中的應用，強調它們能改善護理可及性、數據收集及治療工具的潛力。文中回顧了LLMs在精神醫學的發展，指出其優勢如提高診斷準確性和個性化護理，但也提到高計算需求、誤解風險及倫理問題等挑戰。最後，論文呼籲採取負責任的做法，透過紅隊測試和倫理指導方針，來最大化LLMs的好處並降低風險。 相關文章 PubMed DOI ♡