這項研究用仿人機器人同時調整臉部表情、聲音語調和語言情緒，發現臉部表情對情緒影響最大，其次是聲音語調，最後才是語言內容。結果支持Mehrabian理論，證明非語言訊息在情緒溝通中最重要。這也是首次用三種表達方式一起驗證這個模型的實驗。 相關文章 PubMed DOI 推理 ♡

大型語言模型有機會革新醫療照護，但因為缺乏可解釋性，會帶來風險。要讓這些模型在臨床上安全又可靠，除了技術上要加強可解釋性和驗證，也需要有明確的法規和監管，確保模型透明、可信又能追蹤。 相關文章 PubMed DOI 推理 ♡

這篇回顧分析56篇研究，發現大型語言模型在腫瘤醫學應用越來越多，像是摘要臨床資訊等。不過，LLMs表現不穩，整體準確率約76%，診斷更只有67%。多數研究只做自動化評估，較少關注安全性或資訊清楚度。目前LLMs專業知識有限，還是需要人工監督，未來應加強資料開放和評估標準化，才能提升癌症照護的可靠性。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT在回答罕見心血管疾病相關問題時，表現不如常見疾病，偶爾會重複或回答過於冗長，有些問題也沒答到重點。雖然可作為輔助工具，但建議病人還是要以醫師說明為主，不要完全依賴ChatGPT。 相關文章 PubMed DOI 推理 ♡

這項研究用生成式AI（像是ChatGPT、Gemini、Copilot）來擴充教育文本資料集，讓資料量從1,079筆增加到7,982筆。研究用不同資料處理方法和子資料集，訓練超過1.5萬個機器學習模型。結果發現，用AI擴充資料能有效提升模型準確度。 相關文章 PubMed DOI 推理 ♡

這項研究比較四款AI聊天機器人回答數位微笑設計問題的表現。ChatGPT-4最準確，Copilot品質最好且會標註資料來源，ChatGPT-3.5雖然較易讀但還是不夠簡單。整體來說，這些AI資訊正確但可讀性差、缺乏透明度，對病患衛教幫助有限，未來需加強內容清楚度和資料來源標示。 相關文章 PubMed DOI 推理 ♡

雖然超過一半醫學研究人員寫論文時有用像 ChatGPT 這類大型語言模型，但近兩千篇放射線醫學期刊文章中，只有 1.7% 有主動揭露使用 LLMs。大多數揭露只用在小幅度編輯，且多來自非英語國家。揭露率沒隨時間增加，也沒影響審稿速度。這顯示 LLMs 使用被低報，可能跟污名化、政策不明或標準不一有關，呼籲要有更明確的揭露規範和更開放的研究文化。 相關文章 PubMed DOI 推理 ♡

這項研究發現，三年級醫學生在放射線學考試（尤其是影像判讀和臨床推理）表現明顯優於ChatGPT-4o。雖然AI有一定能力，但在專業判讀和臨床整合上，還有很大進步空間，暫時還追不上人類學生。 相關文章 PubMed DOI 推理 ♡

這項研究把文字、圖譜、化學式、圖片和描述等多種藥物資訊結合起來，並用不同的資料融合方法來提升藥物交互作用（DDI）的偵測準確度。結果發現，特別是用中階融合策略時，預測效果明顯優於現有方法。研究也分析了預測失誤的原因，對未來改進和臨床用藥安全都有幫助。 相關文章 PubMed DOI 推理 ♡

這篇研究發現，雖然語言模型沒有嗅覺，但它們能從文字中還原出人類對氣味的感知。簡單模型較擅長捕捉氣味相似性，進階模型如 GPT-4o 則更能模擬語意上的氣味關聯。這顯示語言中其實蘊含感官經驗，語言模型有助於認知科學探索語言與感知的關係。 相關文章 PubMed DOI 推理 ♡