環境書寫技術透過大型語言模型，為初級醫療服務提供了有潛力的解決方案。這項技術已逐漸融入初級醫療環境，因為病人需求多樣且重視整體照護。我們探討了這項技術在初級醫療中的發展階段，並指出它能提升照護質量。然而，針對安全性、偏見、病人影響及隱私等問題的研究仍然必要。此外，應加強對醫療人員的人工智慧及數位健康工具的培訓，以確保技術的有效與負責任應用。 相關文章 PubMed DOI ♡

醫院藥局在維持醫療品質與安全性上扮演重要角色，尤其在藥物資訊、治療指導及藥物相互作用管理方面。本研究探討ChatGPT這個AI語言模型在提升藥學照護的潛力。它能快速提供藥物資訊、協助治療建議，並識別藥物相互作用，進而提高藥局效率。不過，整合ChatGPT也面臨數據隱私、倫理及偏見等挑戰，需謹慎處理。未來研究應聚焦於優化其能力及驗證輸出，以確保在臨床實踐中的安全有效應用。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs），如ChatGPT和Gemini，對黑色素瘤病人問題的回答效果，並與荷蘭的病人資訊資源（PIRs）比較。結果顯示，ChatGPT-3.5在準確性上表現最佳，而Gemini在完整性、個人化和可讀性方面優秀。荷蘭的PIRs在準確性和完整性上表現穩定，某網站在個人化和可讀性上特別強。整體來看，LLMs在大多數領域超越PIRs，但準確性仍需加強，且LLM的可重複性隨時間下降。研究強調，LLMs需提升準確性和可重複性，才能有效取代或補充傳統PIRs。 相關文章 PubMed DOI ♡

這項研究比較了四個人工智慧系統（Copilot、Bard、Luzia 和 ChatGPT）與四位臨床毒理學家在十個毒理學問題上的回答。結果顯示，專家對人工智慧的來源識別率低，僅有少部分被認為是毒理學家的作品。Luzia 和 ChatGPT 在誤導專家方面表現較好，且ChatGPT的文本質量和知識水平最高，分別達到61.3%和8.03分，顯示其在毒理學領域的優勢。 相關文章 PubMed DOI ♡

這項研究提出了雙策略材料智能設計框架（DSMID），旨在解決材料科學中小型數據集的挑戰，提升機器學習模型的準確性。框架結合了兩種方法：對抗性領域自適應嵌入生成網絡（AAEG），能在僅有90個數據點的情況下改善材料特徵化；自動化材料篩選與評估管道（AMSEP），利用大型語言模型高效篩選合金設計。實驗顯示，該框架在新型共晶高熵合金的識別和製備上表現出色，顯著提升了材料設計的效率與成本效益。 相關文章 PubMed DOI ♡

這項研究調查了四個大型語言模型（LLMs）—Bard、BingAI、ChatGPT-3.5 和 ChatGPT-4—在遵循2023年北美脊椎學會（NASS）頸椎融合指導方針的表現。結果顯示，這些模型的遵循率不高，ChatGPT-4和Bing Chat表現較佳，僅達60%。在特定情況下，所有模型都未能符合NASS建議，顯示出明顯差異。研究強調了對LLMs進行更好訓練的需求，並指出在臨床決策中考慮病人特徵的重要性，顯示出人工智慧在醫療中的潛力與挑戰。 相關文章 PubMed DOI ♡

在2023年，大型語言模型聊天機器人的使用大幅增加，特別是ChatGPT在生物資訊學和生物醫學資訊學的應用。我們的調查探討了它在組學、遺傳學、生物醫學文本挖掘、藥物發現、生物醫學影像理解、生物資訊學程式設計及教育等領域的表現。我們指出了ChatGPT的優勢與限制，並對其在生物資訊學的未來發展提供了潛在見解。 相關文章 PubMed DOI ♡

這項研究評估了21個大型語言模型（LLMs）在檢索生物知識的有效性，特別針對基因調控和KEGG途徑。隨著生物文獻的快速增長，傳統手動整理已不再足夠，LLMs成為一個有前景的替代方案。 結果顯示，模型性能差異明顯，GPT-4和Claude-Pro在基因調控關係的F1分數分別為0.4448和0.4386，KEGG途徑的Jaccard指數也表現強勁。相比之下，開源模型表現較差。研究強調選擇合適模型的重要性，並提供了LLMs在生物研究中的應用見解，相關代碼已在GitHub上公開。 相關文章 PubMed DOI ♡

大型語言模型（LLMs），如OpenAI的ChatGPT-4 Turbo，正在改變高等教育。本研究探討了針對Universidad Pontificia Comillas學生設計的商業統計虛擬教授（BSVP）的潛力。研究中收集了學生的真實問題，並比較BSVP與ChatGPT-4 Turbo的回答。結果顯示，BSVP在溝通風格上更親和且幽默，對特定請求如程式設計練習表現更佳。然而，兩者在回答質量、深度或一致性上並無顯著差異。總體而言，BSVP作為虛擬教育輔助工具雖有優勢，但未顯著超越ChatGPT-4 Turbo。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在中國和美國的護理執照考試（NNLE）中的表現，特別是NCLEX-RN。研究編輯了150道NCLEX-RN的實務題、240道NNLE的理論題和240道實務題，並使用ChatGPT 3.5進行中英文翻譯，接著評估了ChatGPT 4.0、3.5和Google Bard的回答。 主要發現顯示，ChatGPT 4.0在NCLEX-RN實務題的英語準確率為88.7%，翻譯版本為79.3%；在NNLE理論和實務題中，準確率分別為71.9%和69.1%。整體而言，ChatGPT 4.0在護理教育和臨床決策中展現出良好的潛力。 相關文章 PubMed DOI ♡