這項研究針對法國失去寵物的飼主需求進行調查，特別是臨終和緩和醫療的部分。透過302位飼主的匿名線上調查，研究發現飼主在寵物臨終時的情感經歷，並將他們分為三個群體：高罪疚感群體、知情且獨立群體，以及能幹的疼痛評估者。雖然大多數飼主認為寵物在死亡時相對平靜，但臨終過程仍然充滿挑戰。研究強調提供個性化支持的重要性，並提出EPITO系統來訓練獸醫和護理人員，以更好地協助飼主面對失去的困難。 相關文章 PubMed DOI ♡

聊天機器人應用程式「Bennie and the Chats」是因應COVID-19疫情而開發，目的是幫助學生學習臨床病史採集技能。最初使用DialogFlow，現在升級整合ChatGPT，讓互動更靈活。研究評估這個新版本對臨床教學的影響，並進行了定量和定性分析。調查顯示，超過75%的學生認為教學增強了學習體驗，82.2%的人認為分享病人案例有助於了解不常見疾病。結果顯示，聊天機器人能有效補充傳統教學，並促進國際教育合作。 相關文章 PubMed DOI ♡

本研究針對OpenAI、遠距醫療及行動健康在美學整形外科的整合進行文獻計量分析，填補現有研究的空白。分析了776篇來自SciVerse Scopus的出版物，時間範圍為2015年至2024年。結果顯示70.49%為原創研究，且出版量自2018年後穩定增加。美國貢獻最多，其次是英國、中國和義大利。特別是自2022年起，對智能聊天機器人在整形外科的應用關注度上升。此分析為未來研究及臨床應用提供了重要見解，研究等級為證據等級V。 相關文章 PubMed DOI ♡

這項研究中，研究人員開發了一個模型來預測抗菌肽對大腸桿菌的最小抑菌濃度（MIC）。他們使用3143種肽的數據集進行訓練，並用786種肽進行驗證，所有數據均為實驗確定。研究強調了組成增強轉移和分佈特徵的重要性。最初的BLAST相似性搜索未能有效預測，因此轉向機器學習回歸模型，結合多種特徵進行優化。隨機森林回歸器在驗證集上表現良好，並在獨立數據集上超越現有方法。此外，研究人員還創建了"EIPpred"平台，幫助用戶設計特定MIC值的肽。 相關文章 PubMed DOI ♡

這項研究探討如何利用大型語言模型（LLMs）為高中生提供個性化建議，以提升他們的福祉和學業表現。研究分析了12名學生的數據，包括Fitbit指標和學校表現，並針對每位學生生成建議。結果顯示，雖然建議通常清晰可行，但與學生個別數據的對應程度有所不同，顯示出改進空間。研究強調了LLMs在個性化支持的潛力，但也需進一步驗證和完善，未來應聚焦於介入研究及解決倫理和數據隱私問題。 相關文章 PubMed DOI ♡

肥胖率上升帶來健康、經濟和社會問題，因此需要全面策略來預防、診斷和治療。這篇評論強調人工智慧（AI）在肥胖醫學中的重要性，展示機器學習、深度學習等技術如何改善肥胖管理。AI能分析大量數據，促進預測分析和個性化治療計畫，但在整合過程中也面臨數據隱私、演算法偏見等挑戰與倫理問題。 相關文章 PubMed DOI ♡

這項研究評估了治療性聊天機器人（如 Wysa 和 Youper）與通用語言模型（如 GPT-3.5、GPT-4 和 Gemini Pro）在處理認知偏誤和識別用戶情緒的效果。結果顯示，通用聊天機器人在糾正認知偏誤方面表現更佳，特別是 GPT-4 獲得最高分。通用機器人也在情緒識別上超越治療性機器人，顯示出後者在這方面的局限性。研究建議未來設計應提升情緒智力，並解決倫理問題，以確保人工智慧在心理健康支持上的有效性。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT在Python程式碼解釋方面的有效性，特別作為數據分析工具。研究使用全國住院病人樣本的子集，重點在數據管理、描述性統計和推論統計。主要發現包括： 1. **數據處理和分類**：ChatGPT能準確重新分類和呈現數據。 2. **描述性統計**：提供正確的均值、標準差等計算。 3. **推論統計**：準確率隨提示具體性提升，從32.5%到92.5%不等。 結論認為，ChatGPT對具備基本統計知識的研究人員是個有價值的工具，但需謹慎構建提示並進行監督，以確保結果準確。 相關文章 PubMed DOI ♡

這項研究探討早期不適應性圖式（EMSs）與線上心理健康社群（OMHCs）中的心理健康問題之間的關聯。分析了29,329則貼文，發現特定EMSs與心理健康問題有顯著關聯，如焦慮與受害脆弱性、憂鬱與人際需求未滿足等。研究指出，憂鬱、人格障礙和PTSD與多個EMSs相關，顯示其複雜性。研究強調理解EMSs的重要性，以便為線上支持者開發針對性的AI介入方案。 相關文章 PubMed DOI ♡

最近的研究顯示，GPT-4V在醫學影像的解讀上有不錯的潛力，尤其在美國醫學執照考試中表現優異，Step 1得分84.2%、Step 2 85.7%、Step 3 88.9%。不過，雖然正確答案的解釋質量接近人類專家，但錯誤答案的解釋常常不準確，顯示出明顯的弱點。模型在處理複雜案例時也面臨挑戰，需要多次提示才能給出準確解釋。因此，在將GPT-4V應用於臨床前，仍需進一步評估其影像解釋能力。 相關文章 PubMed DOI ♡