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 ♡

這項研究用機器學習分析職場問卷，提出新特徵選擇法，找出39個關鍵壓力指標，並結合多種模型，準確率超過九成，優於過去研究。方法經多重驗證，對新資料也有效。研究還用1D-CNN和創新資料轉換，讓語言模型能處理問卷資料。結果顯示，壓力和生物醫學因素關聯高，主要壓力來自工作量、溝通和環境。只需問卷即可即時監測職場壓力，實用性高。 相關文章 PubMed DOI 推理 ♡

這項研究發現，不論是人類還是大型語言模型（LLM）翻譯英文到中文，句法都比原文簡單，支持「簡化假說」。而且人類翻譯在簡化句法上比LLM更明顯，顯示人類在處理複雜結構時更擅長。這些結果有助於改進機器翻譯，也為翻譯研究帶來新觀點。 相關文章 PubMed DOI 推理 ♡

這份調查發現，醫學界對生成式AI的認知很高，但知識多屬中等，態度普遍正面，使用行為也算合理。知識和態度會影響實際應用，且中國以外的受訪者表現較佳。多數人認同應主動揭露AI使用情形。研究建議應加強相關訓練並訂定明確指引，以確保AI在醫學領域的合規與有效運用。 相關文章 PubMed DOI 推理 ♡

**重點摘要（繁體中文）:** 大型語言模型（LLMs）在脊椎手術領域有很多潛在應用，包括提升病人衛教、協助研究、輔助臨床決策，以及幫助圍手術期照護。這篇綜述整理了目前LLMs在這些方面的應用現況與未來發展潛力，同時也討論了它們在這些領域中所面臨的限制與挑戰。 相關文章 PubMed DOI 推理 ♡

這篇論文提出用大型語言模型自動產生高品質科學文獻綜述的方法，不只品質媲美人工，還能跨領域應用，使用者不用專業背景也能操作。系統有嚴格控管，產生錯誤資訊的機率極低（低於0.5%）。在催化劑研究領域測試時，能全面且可靠地整理資料。釋出的軟體讓大家一鍵就能產生綜述，大幅提升研究效率。 相關文章 PubMed DOI 推理 ♡