這項研究分析了2022年11月至2023年3月期間，88,058條推文中對ChatGPT的認知。結果顯示，87%的推文將ChatGPT視為主動的社會行為者，強調其在內容創作和信息傳播中的角色，但也反映出用戶對其能力的疑慮。相對地，13%的推文則將其描繪為被動，顯示人們對其信息的依賴。這種雙重形象引發了對AI生成內容信任及責任歸屬的討論，對AI開發者和政策制定者具有重要意義。 相關文章 PubMed DOI 推理 ♡

這項研究探討耳鼻喉科的線上病患教育材料（OPEMs）在不同子專科和機構中的可讀性。分析了美國排名前的醫院及多個國家組織的資料，結果顯示OPEMs的可讀性普遍超過國立衛生研究院的標準，平均在8到12年級之間。某些子專科的OPEMs可讀性高於ENTUK，但低於AAO。相比之下，ChatGPT生成的材料可讀性為6.8，更易於理解，特別是使用專門提示時。研究顯示，雖然OPEMs較複雜，但人工智慧工具如ChatGPT能創造更友好的病患內容，並顯示改善可讀性的需求。 相關文章 PubMed DOI 推理 ♡

這項研究評估大型語言模型（LLMs）在心臟康復教育回應的可讀性。使用Gunning Fog、Flesch Kincaid和Flesch Reading Ease分數後發現，ChatGPT 3.5、Copilot和Gemini的回應可讀性不符合美國建議的年級水平。其中，Gemini和Copilot的回應比ChatGPT 3.5更易讀。雖然LLMs在心血管康復教育上有潛力，但仍需改善可讀性，以更有效地教育患者。 相關文章 PubMed 推理 ♡

炎症性腸病（IBD）影響全球數百萬人，因此有效的病人教育非常重要。大型語言模型（LLMs）如ChatGPT-4.0、Claude-3-Opus和Gemini-1.5-Pro可能能提供相關資訊，但其準確性尚未廣泛研究。研究中，腸胃科專家設計了15個IBD問題，評估這三個模型的表現。結果顯示，這些模型在基本資訊上表現良好，但在複雜主題如藥物副作用和飲食改變時，表現差異明顯。Claude-3-Opus在可讀性上表現最佳。儘管顯示潛力，但仍需進一步優化以確保資訊的準確性和安全性。 相關文章 PubMed DOI 推理 ♡

本研究探討了ChatGPT和Google Gemini兩個人工智慧工具在創建有關肥胖、高血壓和高三酸甘油脂血症的患者教育指南的有效性。結果顯示，ChatGPT生成的內容較長，但在可讀性和可靠性上與Google Gemini相似。雖然Google Gemini的易讀性得分稍高，但差異不顯著。總體而言，這兩個工具都能有效滿足患者的教育需求，適應不同的內容長度和複雜度。 相關文章 PubMed DOI 推理 ♡

本研究比較了ChatGPT4.0與3.5在手外科影像問題上的表現，發現兩者在正確率上無顯著差異（分別為30.1%和28.7%）。雖然ChatGPT4.0提供的解釋較長，但對答案的信心卻較低，尤其在放射影像問題上表現出更高的不確定性。未來研究應探討AI生成的回答如何影響臨床與教育環境中的行為，以促進AI在醫療中的應用。 相關文章 PubMed DOI 推理 ♡

ZHMolGraph是一種創新的方法，專門用來預測RNA與蛋白質之間的相互作用，成功解決了未知RNA和蛋白質的挑戰。它結合了圖神經網絡和無監督的大型語言模型，在基準數據集上表現優異，對完全未知的RNA-蛋白質對，AUROC達到79.8%，AUPRC為82.0%。這顯示出相較於現有方法的顯著進步，AUROC提升了7.1%-28.7%，AUPRC增加了4.6%-30.0%。此外，ZHMolGraph也能增強對SARS-CoV-2 RNA-蛋白質相互作用的預測，展現其在全基因組預測及複合體建模的潛力。 相關文章 PubMed DOI 推理 ♡

這項研究提出了一個名為strokeDTI的新框架，專門用來識別缺血性中風的藥物-靶標互動。透過轉錄組測序數據，研究找出與中風相關的關鍵活化途徑。雖然模型能預測藥物，但在現實測試中可能會出現矛盾的結果。研究發現文獻中的藥物-靶標對與結合分數有關聯，因此增強了模型的預測能力。最終，Cerdulatinib被識別為有前景的抗中風藥物，能有效減少腦損傷並改善神經功能，顯示出其在中風治療中的潛力。 相關文章 PubMed DOI 推理 ♡

這項研究評估了大型語言模型ChatGPT在系統性回顧和統合分析中的表現，特別是在脊髓刺激後情緒功能的數據上。結果顯示，ChatGPT在標題和摘要篩選的準確率為70.4%，而全文篩選的準確率為68.4%。在數據整合方面，ChatGPT的準確率達到100%。雖然在篩選任務中表現中等，但在數據整合上表現優異。研究指出，人工智慧能提升系統性回顧的效率，但仍需人類監督以確保研究質量。 相關文章 PubMed DOI 推理 ♡

生成式人工智慧（GAI）在醫療領域有顯著進展，但對於罕見疾病如原發性免疫疾病（PI）的輔助效果仍待探討。本研究評估了六種大型語言模型（LLMs）在提供PI臨床指導的表現。結果顯示，GPT-4o、Llama-3.1-70B-Instruct和Mistral-Large-Instruct-2407的診斷準確率超過88%，其中GPT-4o以96.2%領先。其他模型表現較差，準確率約60%或更低。雖然LLMs在PI診斷上顯示潛力，但仍需改進以提升臨床實用性。 相關文章 PubMed DOI 推理 ♡