這項研究比較了ChatGPT大型語言模型（LLMs）與不同經驗的人類讀者在肺癌分期的表現。研究納入700名非小細胞肺癌患者，使用胸部CT和FDG PET/CT報告進行分析。結果顯示，GPT-4o的準確率為74.1%，優於其他模型和一位住院醫師，但仍低於專科訓練的放射科醫生。這表明，雖然LLMs在某些方面表現不錯，但在癌症分期等複雜任務中，專業醫療人員的角色仍然不可或缺。 相關文章 PubMed DOI ♡

噬菌體（phages）是微生物社群中重要但尚未完全了解的成分，因為它們需要細菌宿主來繁殖，能反映生態系統特徵和環境壓力。高通量測序技術已揭示噬菌體族群的多樣性，但病毒基因組的多樣性使得許多基因缺乏適當註解，限制了我們的理解。為了有效應用噬菌體於人類和環境健康，需發展新方法來組織和註解病毒序列。最近在自我監督學習方面的進展顯示出增強病毒蛋白同源性檢測的潛力，特別是在海洋病毒組的研究中。這篇綜述探討了大型語言模型在病毒註解中的潛力與挑戰，強調創新方法的重要性。 相關文章 PubMed DOI ♡

這項研究探討了2023年3月版本的ChatGPT如何回應情感故事，並與人類的情感反應進行比較。三十四位參與者閱讀情感豐富的短篇故事並評估自己的情感反應，而ChatGPT則在十次會議中生成對同樣故事的回應。結果顯示，ChatGPT能識別和分類故事的情感內容，但預測人類情感反應的準確性不高，顯示出AI與人類在情感表達上的差異。了解這些差異對增進與AI的情感互動非常重要。 相關文章 PubMed DOI ♡

這段論述指出大型語言模型（LLMs）在理解人類語言的學習與演變上有其限制。主要有兩個觀點： 1. **功能與機制的差異**：雖然LLMs能生成類似人類的語言，但其學習過程與人類不同。人類透過多種感官互動學習語言，而LLMs主要依賴文本數據，這使得它們的相似性只是表面現象。 2. **語言行為的範疇**：人類的語言使用範圍更廣，而LLMs的設計限制了它們對語言意義的理解及自然互動的能力。 因此，LLMs應被視為輔助語言研究的工具，而非語言理論本身，這強調了謹慎應用的必要性。 相關文章 PubMed DOI ♡

這項研究評估了大型語言模型（LLMs）在複雜醫療案例中的診斷表現。研究分析了392份來自《美國病例報告期刊》的案例，使用了ChatGPT-4、Google Gemini和LLaMA2來生成鑑別診斷清單。結果顯示，ChatGPT-4的前10名診斷中，最終診斷納入率最高，達86.7%，其次是Google Gemini的68.6%和LLaMA2的54.6%。研究顯示ChatGPT-4在診斷準確性上明顯優於其他兩者，突顯了生成式人工智慧在醫療診斷中的潛力。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在回答近視相關問題的有效性，重點在於適當性、可用性和清晰度。眼科醫生評估後發現，只有45%的回應被認為適當且可用，僅35%的回應符合所有標準。根據中文可讀性指數，回應的可讀性介於中學到高中水平。特別是關於治療效果和副作用的回應較少。總體來看，ChatGPT在解答兒童近視問題上表現不佳，顯示出眼科專業人士理解AI生成資訊的重要性，因為家長們越來越依賴線上健康資源。 相關文章 PubMed DOI ♡

這項研究比較了OpenAI的ChatGPT和Google的Bard在提供美容手術病人指導的表現，特別針對拉皮、鼻整形和眉毛提升手術。結果顯示，ChatGPT的平均得分為8.1/10，優於Bard的7.4/10，且在準確性、全面性等方面表現更佳。不過，Bard的回應速度較快。儘管如此，兩者的表現仍有待改進，需進一步開發和驗證才能推薦用於美容外科實踐。 相關文章 PubMed DOI ♡

這項研究系統性回顧了生成性大型語言模型（LLMs）在臨床環境，特別是電子健康紀錄（EHRs）的應用。儘管自然語言處理技術進步，LLMs在臨床實踐中的整合仍有限，面臨多重挑戰。研究分析了自2023年以來的76篇相關文獻，發現包括提示工程的使用、少數多模態數據的應用、評估指標的多樣性，以及臨床決策中的偏見和幻覺等問題。未來需改進計算技術和標準化評估，以提升LLMs在醫療中的可靠性。總之，LLMs在病人護理上有潛力，但仍需克服重大障礙。 相關文章 PubMed DOI ♡

醫療行動本體（MAxO）是一個用來表示治療和管理病患行動的工具，特別針對罕見疾病。由於手動整理超過10,000種罕見疾病的術語相當困難，因此開發了半自動化的AutoMAxO工作流程，利用大型語言模型（LLMs）來簡化整理過程。AutoMAxO從醫學摘要中提取整理內容，並與MAxO及其他本體術語匹配，最終由人類整理者審核。研究中，AutoMAxO處理了4,918篇摘要，識別出18,631個候選內容，並確認538個加入MAxO，顯示生成式AI在精準醫療中的潛力。 相關文章 PubMed DOI ♡

在澳洲，雖然女性藥師佔64%，但她們在視覺表現上仍然不足。2024年3月的一項研究使用DALL-E 3生成澳洲藥師的圖像，結果顯示69.7%的藥師是男性，93.5%擁有淺色膚色，顯示出明顯的性別和種族偏見。所有生成的藥師圖像都是男性且膚色淺，與實際的多樣性形成鮮明對比。這項研究凸顯了生成式AI可能延續刻板印象的問題。 相關文章 PubMed DOI ♡