這篇文章回顧ChatGPT在科學寫作和生醫研究的應用，強調人工幻覺、抄襲、倫理、偏見和錯誤等問題。雖然ChatGPT能幫助學術寫作，但內容不一定可靠，需人工審查。作者提出SMF框架來評估其應用與風險，建議納入研究訓練課程，提升品質並認識AI限制。 相關文章 PubMed DOI 推理 ♡

這項研究發現，當人們知道訊息是AI寫的時候，特別是在情感敏感的情境下，會覺得這些訊息比較沒創意、不真誠、道德價值也較低。即使把AI包裝得像人，效果也只是暫時的，一旦揭露真相，評價就會下降。這顯示AI在處理高情感需求的溝通上，還是有明顯侷限。 相關文章 PubMed DOI 推理 ♡

生成式AI正改變糖尿病照護，能產生合成資料、模擬血糖與胰島素變化，並協助開發個人化數位工具，有助解決資料不足和個體差異問題。不過，模型穩定性、資料需求、可解釋性和倫理等挑戰仍待克服。本文回顧生成式AI在糖尿病醫療的現況與未來發展。 相關文章 PubMed DOI 推理 ♡

這篇系統性回顧指出，ChatGPT等大型語言模型在心血管疾病照護上，主要用於病人衛教，能提供大致正確的資訊，但偶爾會有錯誤。雖然在臨床決策支援上有潛力，但還不適合用於個人化診斷或治療。整體來說，LLMs適合當作病人補充資訊的工具，未來發展空間很大。 相關文章 PubMed DOI 推理 ♡

這項研究發現，精心設計的提示，特別是「guided-thinking Tree-of-Thought（ToT）」策略，能大幅提升GPT-4o在主動脈瓣狹窄治療建議的準確度，最高達94%，而且結果跟專家很接近。反觀簡單的zero-shot提示，效果就差很多。整體來說，ToT策略讓AI在複雜臨床決策上表現更好，但AI還是偏好較保守、低侵入性的治療建議。 相關文章 PubMed DOI 推理 ♡

這項研究開發了一套用大型語言模型（LLM）自動從心臟超音波報告中擷取重點資料的方法。團隊用合成報告訓練並微調小型LLM（HeartDX-LM），在多家醫院資料中，擷取臨床資訊的準確率高達98.7%。這技術能把醫師寫的自由文字報告轉成結構化資料，方便後續分析和臨床應用。HeartDX-LM模型已開放下載。 相關文章 PubMed DOI 推理 ♡

這項初步研究發現，雖然物理治療學生對用GPT-4等大型語言模型很有興趣，但實際主動使用的人不多，且滿意度和傳統學習沒差別。LLM有助於數位技能培養，但推動學生積極使用還有困難。未來應加強參與度並延長訓練時間，才能更全面評估成效。 相關文章 PubMed DOI 推理 ♡

這項研究發現，用GPT-4生成的牙周病學考題雖然出題快、內容廣，但較難分辨學生程度，且缺乏臨床情境。學生也覺得AI考題在難度、涵蓋和啟發性上不如人類設計的題目。建議未來可結合AI和專家優點，提升牙醫考試品質。 相關文章 PubMed DOI 推理 ♡

研究人員用大型語言模型（LLM）分析健檢報告，能更準確評估全身和特定器官的老化狀況。這方法在千萬人資料上驗證，預測死亡率和疾病風險都比傳統指標更好，成本低又容易擴大應用，未來很有機會成為個人化健康管理的重要工具。 相關文章 PubMed DOI 推理 ♡

這項研究發現，用合成放射科資料微調過的開源語言模型，在把甲狀腺結節報告轉成結構化資料時，表現跟GPT-4一樣好，甚至有些情境還超越GPT-3.5和GPT-4。尤其是Yi-34B這個最大開源模型，表現最突出。這代表經過合成資料訓練的開源模型，不但能保護隱私，也能成為商業模型的好替代方案。 相關文章 PubMed DOI 推理 ♡