這篇文章探討了人工智慧語言模型，特別是ChatGPT和ChatSonic在醫療領域的應用，針對病人高血壓問題進行比較。研究使用全球質量評估標準和修訂版DISCERN量表，於2023年10月進行，持續一個月，向兩個AI模型提出十個高血壓相關問題，並由兩位內科醫師評估其回應。結果顯示回應質量和可靠性有差異，評估者之間共識程度低，強調在醫療環境中持續監控和驗證AI資訊的重要性。 相關文章 PubMed DOI ♡

2022年11月，ChatGPT3的推出引起高等教育界的關注，讓人擔心學生作品的真實性。雖然有負面看法，但我們認為教育者可以利用ChatGPT創造支持性的學習環境，促進品格發展。我們的研究探討了其在發展中國家教育中的影響，並提出負責任的整合策略，強調倫理使用、領導力和真實評估的重要性。儘管存在學術誠信的擔憂，ChatGPT同時具備促進學習和作弊的潛力。我們從學生和教師的角度分析其影響，並討論未來的教學趨勢。 相關文章 PubMed DOI ♡

人工智慧（AI）發展迅速，尤其是大型語言模型的應用。雖然AI能提升工作效率，但也帶來工人面臨的風險，特別是在工業機器人和算法管理普及的情況下。為了應對這些挑戰，政府和企業提出了設計和使用可信賴、具倫理的AI的指導方針。職業安全與健康專業人士需專注於管理這些潛在風險，並提出五項風險管理策略，以確保工作場所的AI技術能最大化好處，並減少對工人的傷害。 相關文章 PubMed DOI ♡

這項研究評估了兩個大型語言模型，ChatGPT-4 和 Google Gemini，針對視網膜脫落問題的可讀性和準確性。分析了13個不同難度的問題，並由十位專家評分。結果顯示，Google Gemini 較易理解，但 ChatGPT-4 在正確答案上表現更佳，尤其是困難問題。ChatGPT-4 在八個問題上優於 Google Gemini，且在簡單和困難問題上都獲得更高評分。整體而言，這兩個 AI 工具有效提供準確的醫療資訊，建議可增強醫療護理。 相關文章 PubMed DOI ♡

子宮頸癌和乳腺癌對女性健康影響深遠，常因污名化和錯誤資訊導致診斷延遲。為評估ChatGPT對這些癌症的回答準確性，進行了一項線上調查，並與十位醫生的回答進行比較。結果顯示，ChatGPT在準確性上表現優於醫生，但在一致性和可讀性方面仍有待加強。整體而言，ChatGPT在提供初步資訊上具潛力，但未來需改善其可靠性和一致性，以更好地協助有健康問題的個體。 相關文章 PubMed DOI ♡

這項研究探討了慢性鼻竇炎合併鼻息肉的單克隆抗體研究中，利益衝突（COI）的揭露情況。研究分析了2019至2021年間的76篇相關文獻，發現有30篇文章收到了行業支付，但其中70%的文章未揭露COI。未揭露的平均支付金額為4,890美元，顯示出作者中有71.4%未聲明潛在的COI。這些結果顯示，COI的揭露與實際支付之間存在明顯差距，強調了對於COI揭露的教育與實踐需要進一步改善。 相關文章 PubMed DOI ♡

這項研究介紹了iLLMAC，一個經過指令調整的大型語言模型，專注於利用游離DNA（cfDNA）進行癌症檢測。iLLMAC在1,135名癌症患者和1,106名對照組的血漿cfDNA數據上訓練，癌症診斷的AUROC達0.866，肝細胞癌（HCC）檢測則達0.924。隨著末端動機數量增加，性能提升，使用64個末端動機時，癌症診斷AUROC達0.886，HCC檢測AUROC達0.956。外部測試中，iLLMAC仍表現優異，顯示出基於LLM的指令調整在cfDNA癌症檢測中的潛力。 相關文章 PubMed DOI ♡

這段文字探討自然語言在人工與機器互動中的新角色，特別是在生物化學任務上，如性質預測和分子挖掘。作者提出「對話式分子設計」，讓使用者能用自然語言描述和編輯分子。為此，他們開發了ChatMol，一個結合實驗數據和化學知識的生成式預訓練模型。研究證明這種方法的有效性，並提供了未來在分子發現中自然語言互動的見解，相關資源也在GitHub上公開。 相關文章 PubMed DOI ♡

這項研究分析了五種大型語言模型（LLMs）在識別顱面外科手術的CPT代碼的有效性，包括Perplexity.AI、Bard、BingAI、ChatGPT 3.5和ChatGPT 4.0。由於CPT編碼複雜且耗時，尤其在專業編碼人員短缺的情況下，研究旨在評估這些AI模型的效率和準確性。結果顯示，雖然整體準確性差異不大，但ChatGPT 4.0在複雜代碼上表現較佳，而Perplexity.AI和Bard在簡單代碼上更可靠。研究建議這些AI可減輕手動編碼負擔，並提升CPT編碼的資源效率，支持將其整合進臨床流程。 相關文章 PubMed DOI ♡

這項研究評估了人工智慧工具ChatGPT-4V在急性中風診斷中的有效性，透過分析530張MRI影像，包括266例中風和264例正常病例。主要發現顯示，ChatGPT-4V在識別中風影像的準確率為88.3%，正常影像為90.1%。在檢測擴散限制方面，準確率為79.5%，但對於受影響半球的識別僅為26.2%。總體而言，該工具的診斷敏感性為79.57%，特異性為84.87%，顯示其在中風診斷中輔助醫療專業人員的潛力。 相關文章 PubMed DOI ♡