最新視覺語言模型（VLMs）用來解日本核醫學專科醫師考題，ChatGPT o1 pro表現最佳，整體正確率83.3%，純文字題高達89.5%，但圖片題僅66%。所有模型在日本法規題和近年考題表現都較差。VLMs雖然在文字醫學題有潛力，但影像判讀還有明顯不足，無法取代專業醫師。 相關文章 PubMed DOI 推理 ♡

這項研究開發了LLMTB模型，利用超過1.2萬株結核分枝桿菌的基因資料，透過類似ChatGPT的AI技術，能準確預測多種抗生素的抗藥性，且只需少量新資料就能適應新藥。LLMTB也幫助發現新的抗藥性機制，對個人化結核病治療很有幫助。原始碼可在GitHub下載。 相關文章 PubMed DOI 推理 ♡

這項研究發現，只要設計合適的提示語，大型語言模型（LLMs）在大學生物資訊課程中，給予作業回饋和評分的表現，跟人類助教差不多。這代表老師未來可以用LLMs來自動批改作業，既能減輕工作量，也能維持學生的滿意度和隱私。 相關文章 PubMed DOI 推理 ♡

作者針對 BioRED 資料集加入了關係方向性（主詞/受詞）標註，並開發多任務語言模型，利用 soft-prompt 同時辨識關係、創新發現和實體角色。新資料集多了 10,864 筆方向性標註，模型表現超越 GPT-4、Llama-3。程式碼和資料可在 GitHub 下載。 相關文章 PubMed DOI 推理 ♡

這篇研究提出 Top-DTI 框架，結合拓樸數據分析和大型語言模型，從影像和序列中萃取藥物與蛋白質的結構和語意特徵。Top-DTI 在預測新藥物或新靶點時，比現有方法更準確穩定，且程式碼和資料都已公開。 相關文章 PubMed DOI 推理 ♡

作者提出一套新方法，結合文獻計量分析和大型語言模型，能自動找出並摘要脊椎疾病的關鍵文獻，還會自動加上正確引用。這流程快速又便宜，每個疾病不到1美元、5分鐘內就能完成，且經專家審查後證實準確又實用，有望自動化神經外科等領域的文獻回顧。 相關文章 PubMed DOI 推理 ♡

中國住院醫師訓練面臨資源不均、訓練不足、評量主觀及過勞等問題。大型語言模型可協助知識普及、即時回饋及客觀評量，並減輕醫師負擔。但應用時要注意準確性、隱私、偏見及學術倫理等疑慮。LLMs應作為傳統醫學教育的輔助，而非取代，並需重視倫理保障。 相關文章 PubMed DOI 推理 ♡

膠質母細胞瘤診斷困難，AI和機器學習雖然能提升篩檢和分類準確度，甚至超過九成，但因資料和驗證方式不一，還沒辦法普及到臨床。未來要加強模型解釋性、資料集品質，並遵循標準化流程，才能真正幫助臨床應用。 相關文章 PubMed DOI 推理 ♡

這項研究發現，在地端大型語言模型（LLMs）解讀睡眠檢查結果時，和專科醫師相比，判斷OSA嚴重度的一致性偏低（33–50%），但在建議aPAP治療上較高（83–90%）。雖然能保障資料隱私，但診斷準確度還不夠，暫時不適合臨床使用。 相關文章 PubMed DOI 推理 ♡

NiCLIP 是新一代 AI 模型，透過對比式學習和大型語言模型，能更精準地從大腦影像預測認知任務和領域。它用超過 2.3 萬篇神經科學論文訓練，特別在處理全文和精選本體時效果更好。雖然在群體資料上表現優異，但對個人資料的雜訊較敏感。整體來說，NiCLIP 推動了大腦功能解碼的進步。 相關文章 PubMed DOI 推理 ♡