**重點摘要：** 這項研究測試了兩個大型語言模型（LLMs），用來從真實的臨床紀錄自動產生出院摘要，並用一個經過驗證的評分指標來評分他們的結果。兩個模型的表現差不多，顯示LLMs有潛力協助醫師準備出院摘要，進而減輕臨床醫師的行政工作負擔。 相關文章 PubMed DOI 推理 ♡

這項研究比較了ChatGPT-4o和ChatGLM-4兩款AI，針對家長常問的兒童異位性皮膚炎問題，請皮膚科醫師評分。結果發現，兩者表現差不多，回答品質跟專家差不多，能有效提供兒童異位性皮膚炎的照護和治療建議。 相關文章 PubMed DOI 推理 ♡

這項研究比較ChatGPT-4.0、ChatGPT-3.5和Google Gemini在回答DDH醫學問題時的表現。結果發現，三款AI的答案準確性都有限，常常有錯誤或遺漏重點。雖然準確度差不多，但Google Gemini的內容最容易閱讀。建議醫師要提醒病患，AI醫療資訊還有很多限制，不能完全依賴。 相關文章 PubMed DOI 推理 ♡

生成式AI像ChatGPT，已經在心臟科協助衛教、簡化資訊和提升行政效率。不過，目前還無法解讀影像，且有錯誤資訊和偏見的風險。未來若能結合語言和影像分析，診斷會更精準，但仍需嚴格監督和倫理規範，確保安全有效。 相關文章 PubMed DOI 推理 ♡

近期有研究質疑大型語言模型（LLMs）是否真的會類比推理，還是只是在模仿資料。雖然有些測試顯示LLMs表現不佳，但本研究發現，只要讓LLMs能寫和執行程式碼，即使在全新題型上也能舉一反三，證明它們真的有類比推理能力，不只是死背或模仿。 相關文章 PubMed DOI 推理 ♡

這項研究比較ChatGPT和Gemini在依據2022年AAOS兒童肱骨髁上骨折指引下的表現。結果發現，兩者回答都符合指引，但Gemini在提供有根據的醫學證據上表現較佳，顯示Gemini在臨床資訊可靠度上較有潛力。不過，兩款AI各有優缺點。 相關文章 PubMed DOI 推理 ♡

這篇研究提出GICL框架，把藥物SMILES字串的大型語言模型嵌入和分子影像結合，利用跨模態對比學習整合資訊。這種融合方式讓GICL在藥物性質預測（ADMET）上表現領先，還能提供可解釋的分析，有助於提升藥物開發效率。 相關文章 PubMed DOI 推理 ♡

這篇論文提出一套多模態系統，能整合影像、感測器數據和生產紀錄，並結合大型語言模型。系統有統一資料格式、動態分詞和強大跨模態對齊能力，採用兩階段訓練。新開發的Transformer模型同時支援影像和文字生成，提升即時決策。實驗證明，這方法在影像-文字檢索和視覺問答等任務表現優異，對智慧製造和異常偵測等應用很有幫助。 相關文章 PubMed DOI 推理 ♡

這項研究發現，雖然ChatGPT-4o和腫瘤委員會在治療建議上各自有高度一致性，但兩者的建議常常不同。醫師普遍較認同腫瘤委員會的決策，且這差異有統計意義。顯示目前AI還無法取代專家處理複雜癌症個案的臨床判斷。 相關文章 PubMed DOI 推理 ♡

這項研究比較了四款主流多模態AI在臉部特徵分析上的表現。結果發現，這些AI在評估皮膚品質、臉部對稱等質性分析還可以，但在精確量測臉部比例時就不太準確，還無法取代臨床人工評估。未來若要應用在整形外科，還需要專業訓練和更強的電腦視覺技術輔助。 相關文章 PubMed DOI 推理 ♡