OligoM-Cancer平台的開發目的是為了解決寡轉移性癌症（OMC）的理解與治療挑戰。相較於多轉移性癌症，OMC對局部治療的反應較佳，但相關研究仍然不足，因此需要更系統的比較與個性化治療。該平台提供有關OMC的標記、診斷、預後及治療選項的全面資源，並擁有1345篇文獻和393個相關因素的資料庫。OligoM-Cancer利用現代網路技術，旨在提升數據可解釋性，增強臨床實踐，並支持大型語言模型在OMC領域的應用，促進深入分析與提高治療可靠性。 相關文章 PubMed DOI ♡

知識圖譜（KGs）改變了知識的表現方式，將實體及其關係以圖形結構組織，提升了推薦系統和問答系統的效能。像是Expert.AI的Sensigrafo，專注於透過機器導向的詞彙來增進自然語言理解。不過，維護知識圖譜仍然面臨挑戰，通常需要手動輸入。近期大型語言模型（LLMs）的進展，為自動化知識圖譜的豐富提供了新機會，本文探討了基於LLM的最新技術，並針對數據質量、經濟性、隱私等問題提供見解。 相關文章 PubMed DOI ♡

這項研究評估了一個公開的人工智慧大型語言模型（LLM）在回答模擬病人關於美學乳房整形手術問題的表現。專家根據準確性、全面性等標準評分，總體得分為7.3分，乳房增大7.0分、乳房懸吊術7.6分、乳房縮小手術7.4分，對乳房植入物的知識得分為6.7分。儘管有些限制，研究顯示AI LLM可成為病人教育的有用工具，並可能隨著機器學習進步而改善。 相關文章 PubMed DOI ♡

這項研究開發了一個聊天機器人，目的是協助從全人口基因篩檢中獲得正面結果，並運用大型語言模型。隨著基因檢測需求上升，這項研究希望透過科技創新來解決專家短缺的問題。 聊天機器人透過三步驟的提示工程創建，並在兩個假設情境中進行評估，專家們根據五點量表對八個標準進行打分。結果顯示，總分為3.88，語調和可用性最佳（各4.25分），但程式準確性最低（3.25分）。未來研究將專注於改進提示和設計混合型聊天機器人，以提升基因服務的品質。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在提供慢性鼻竇炎（CRS）資訊的有效性，並與醫療指導方針進行比較。研究中提出六個CRS相關問題，結果顯示ChatGPT的回答大致符合現有文獻，但仍有不一致之處。可讀性測試顯示資訊複雜度不同，平均可讀性分數為40.42%。雖然各類別之間可讀性無顯著差異，研究建議ChatGPT可作為醫療資訊的資源，但使用者需謹慎對待其準確性。最後以4級證據評級顯示中等可靠性。 相關文章 PubMed DOI ♡

越來越多患者在網上尋找健康資訊，尤其是像佩羅尼氏病這種敏感疾病。大型語言模型（LLM）聊天機器人展現了提供資訊的潛力，但對於PD的準確性和可讀性仍不明朗。研究評估了四個LLM在回答PD查詢時的資訊質量，結果顯示在有提示的情況下，資訊質量提升至高水平，但平均閱讀水平為12.9年級，超過大多數患者的理解能力。雖然LLM在患者教育上有潛力，但仍需臨床背景和人類提示來提升效果，並需教育患者與醫生如何有效互動。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs）在藥物審查中的表現，特別是劑量錯誤、藥物相互作用及基因組學建議的能力。研究測試了四個LLM，發現ChatGPT在劑量方案上表現良好，但對simvastatin的問題有例外。所有LLM都能識別warfarin的相互作用，但錯過metoprolol和verapamil的相互作用。Claude-Instant在治療監測上提供適當建議，而Gemini在基因組學上表現不錯。研究指出，LLM在藥物審查中有潛力，但整合進醫療系統對病人安全至關重要。 相關文章 PubMed DOI ♡

大型語言模型（LLMs），像是GPT-3.5-turbo和GPT-4，對醫療專業人員有潛在的協助能力，但可能帶有訓練數據中的偏見，影響其在醫療情境中的有效性。本研究分析這些模型在預測住院、費用和死亡率時的表現，發現它們對白人族群的預測較高，且在困難醫療情況下過於樂觀。這些偏見反映了醫療不平等，強調了進一步研究的必要性，以減少語言模型中的偏見，確保所有病患都能獲得公平和準確的醫療結果。 相關文章 PubMed DOI ♡

準確預測ADMET（吸收、分佈、代謝、排泄和毒性）特性對藥物開發非常重要，能幫助選擇具良好藥物動力學及降低毒性的化合物。目前的ADMET數據集因樣本數量少及代表性不足而受限。為了解決這些問題，我們提出了一個多代理數據挖掘系統，利用大型語言模型識別14,401個生物測試的實驗條件，並整合不同來源的數據，最終創建了PharmaBench，包含156,618條原始條目，旨在支持藥物發現相關的AI模型開發。 相關文章 PubMed DOI ♡

這項研究評估了GPT-3.5這種大型語言模型在自動標記產科事件報告的效果。分析了370份住院產科報告，並以人類標註作為金標準。結果顯示，該模型的敏感度達85.7%，特異度為97.9%，使用了79個標籤，而人類僅用了49個。模型的標籤解釋也有60.8%獲得審核者認可。總體來看，GPT-3.5能提升事件報告系統的數據利用效率，並可能改善病人安全。 相關文章 PubMed DOI ♡