蘇丹卡布斯大學研究發現，醫學生對 AI 在醫療應用的準備度屬中等，對 AI 概念和資料科學了解較少，但能認知 AI 的潛力與侷限。性別和年級沒明顯差異，熟悉科技的學生對 AI 態度較正面。建議醫學課程應加強 AI 教育，幫助學生因應未來臨床需求。 相關文章 PubMed DOI 推理 ♡

這篇研究推出輕量級生醫多模態小型語言模型 SigPhi-Med，僅用4.2B參數就能在多項醫學視覺問答測試中超越更大型模型。團隊針對模型大小、影像編碼器和訓練策略等進行優化，證明高效又省資源的醫療AI助理是可行的，對臨床應用很有幫助。原始碼已開放於 GitHub。 相關文章 PubMed DOI 推理 ♡

這篇系統性回顧發現，AI模型診斷黃斑前膜的準確度很高，敏感度約90%，特異性約96%，其中用彩色眼底攝影的AI特異性更高。不過，目前多數研究缺乏外部驗證，開發方式也不一，限制臨床應用。未來需加強標準化和驗證，並開發能預測病程的AI模型。 相關文章 PubMed DOI 推理 ♡

生成式AI正加速新藥研發，能深入分析複雜生物和化學資料。這篇綜述介紹主流AI模型、分子表徵和評估方式，並說明在蛋白質交互、藥物設計等應用。雖然潛力大，但還有模型解釋性差、資料不足等挑戰。文中也建議用混合模型、資料增強、雲端運算等方法來突破，並強調跨領域合作的重要性。 相關文章 PubMed DOI 推理 ♡

AI 尤其是大型語言模型，正快速改變醫學教育，從招生、課堂到臨床學習和評量都有影響。AI 可簡化審查流程、提升學習體驗、協助臨床決策與自動評分，但也有演算法偏見、透明度不足和倫理疑慮等挑戰。建議審慎、以實證方式導入，才能負責任地應用 AI。 相關文章 PubMed DOI 推理 ♡

生成式AI正快速影響醫療，但醫學教育缺乏配套基礎建設。問題不在技術，而是缺乏制度、經費和研究方法。建議成立專責團隊、穩定經費並建立評估機制，否則AI可能加劇不平等，影響醫師訓練。真正改變需制度和資源支持，不只是熱情。 相關文章 PubMed DOI 推理 ♡

這項研究發現，年輕醫師在多模態大型語言模型（像ChatGPT-4o）協助下，辨識罕見疾病影像的HPO術語準確率大幅提升（67.4%對20.4%），而且不同專科間表現更一致。不過，這些模型還是常出現錯誤或亂編術語。受過相關訓練的醫師表現更好。總結來說，MLLM能幫助提升準確度，但臨床應用前還需再優化。 相關文章 PubMed DOI 推理 ♡

這篇論文提出 AFSPrompt，一種免訓練的新方法，專門用來挑選和組織知識型視覺問答的範例。它用語意概念來描述範例，讓選擇過程更透明、可信。AFSPrompt 先用多模態嵌入過濾不相關範例，再用模糊集合邏輯排序，適合小型語言模型，減少對大型 API 依賴。實驗證明能有效提升 VQA 表現。程式碼：https://github.com/afs001/AFSPrompt 相關文章 PubMed DOI 推理 ♡

這篇論文介紹一套由大型語言模型協助的分析框架，專門用來研究如何繞過LLM安全限制的jailbreak攻擊。作者開發了JailbreakLens視覺化工具，能自動評估攻擊成效、分析提示特徵，並協助優化攻擊方式。這套系統能提升安全評估效率，幫助找出模型弱點，並已獲專家肯定。 相關文章 PubMed DOI 推理 ♡

AI 聊天機器人有助提升醫療品質，但在平等、多元和包容方面還有挑戰。論文建議應用多元資料、持續評估及專家合作，減少偏見、促進公平。只要落實 EDI 原則，AI 未來能更有效支持公平且包容的醫療照護。 相關文章 PubMed DOI 推理 ♡