大型語言模型在放射科報告生成等語言任務上很有潛力，隨著RAG和多步推理技術進步，應用前景更佳。不過，目前還有幻覺、可重現性、隱私和倫理等挑戰待解決。RAG和雲端方案有望協助突破這些障礙，加速臨床導入。 相關文章 PubMed DOI 推理 ♡

PT-BitNet 是一種新型後訓練量化技術，能把大型語言模型的權重壓縮成三元值（+1、0、-1），不需重新訓練。它用兩階段演算法，先調整權重再分區塊最佳化，大幅減少模型大小和推論時間，且準確率損失很低。以 700 億參數模型為例，平均準確率可達 61%，比傳統 BitNet 更優。 相關文章 PubMed DOI 推理 ♡

這篇論文提出 DemoGraph，一種利用大型語言模型（LLM）從文字提示生成情境知識圖譜，再和原始圖形資料結合的新方法。它不用存取 LLM 內部結構，能有效利用情境資訊。實驗證明，DemoGraph 在電子健康紀錄（EHR）上表現特別好，不只提升預測準確率，也讓模型更容易解釋。 相關文章 PubMed DOI 推理 ♡

ICE 是一種新方法，讓多個大型語言模型互相審查和修正答案，直到大家都同意為止。這樣做能大幅提升像醫學問答這類困難題目的準確率，最高可提升 27%。ICE 不用特別訓練或複雜整合，效果比單一模型好，也能跟高成本系統媲美，證明 LLMs 合作推理很有用。 相關文章 PubMed DOI 推理 ♡

**重點整理：** 我們打造了一個結合專業神經皮膚疾病知識庫的GPT助理，發現它能有效回答病人常見的問題，也證明了檢索增強型GPT即使沒有特別指示要簡化語言，也能讓病人教育資料變得更容易閱讀。 相關文章 PubMed DOI 推理 ♡

MenstLLaMA 是專為印度設計的 AI 語言模型，專注於提供正確又貼近當地文化的月經健康教育。它用大量印度在地資料訓練，無論準確度、同理心還是用戶滿意度，都比 GPT-4o、Claude-3 這些主流模型更優秀。未來也會持續擴大功能，幫助更多人提升月經健康知識。 相關文章 PubMed DOI 推理 ♡

這項研究分析2010至2025年《Journal of Clinical Oncology》腫瘤臨床試驗作者與生技製藥公司的利益衝突，發現約73%涉及醫療產品的試驗有作者與公司有利益關係，美國主導及第一、最後作者的COI比例更高。COI盛行率2010至2020年逐年上升，之後略降。研究也證明大型語言模型能有效監控COI，提升臨床研究透明度。 相關文章 PubMed DOI 推理 ♡

這項研究針對257位義大利暈厥患者，驗證了多種機器學習模型預測暈厥後不良結果的準確度。雖然gradient boosting表現最好（AUC 0.78），但所有模型的預測力都比過去研究低，可能跟這族群不良事件發生率較高有關。整體來說，gradient boosting只比傳統邏輯回歸好一點點。 相關文章 PubMed DOI 推理 ♡

這篇研究發現，單靠大型語言模型（LLM）做急診分診效果有限，表現不如把LLM產生的知識結合進傳統機器學習（ML）模型。雖然LLM偶爾能勝過傳統ML，但混合模型效果最好。不過，所有模型的平均F1-score都不到0.60，代表準確度還有很大進步空間。 相關文章 PubMed DOI 推理 ♡

這項研究發現，主流AI生成皮膚科影像時，膚色多樣性嚴重不足，尤其深色皮膚比例被低估，只有Adobe Firefly較貼近美國實際分布。診斷準確率也很低，僅15%影像正確顯示疾病。若不改善資料和指引，AI恐加劇皮膚科健康不平等。 相關文章 PubMed DOI 推理 ♡