獸醫臨床敘述對了解複雜疾病很重要。研究比較了ChatGPT和RegexT在辨識超重體態評分上的效果，發現RegexT準確度較高，ChatGPT召回率較高。ChatGPT需謹慎使用以提高準確性，雖提供多樣機會，但應小心避免錯誤。 PubMed DOI

使用大型語言模型（LLMs）可以幫助預測獸醫診療記錄的診斷編碼，不需要特定規則或監督式學習。Alpaca-7B模型在零-shot情況下表現良好，經微調後效果更佳。VetLLM模型僅使用5000份記錄進行微調，結果比強監督式模型好。這顯示了LLMs在醫學語言處理上的潛力，提出了新的臨床文本分析方法。 PubMed DOI

人工智慧和大型語言模型如ChatGPT帶來新教育機會，但在醫學和獸醫科學等領域仍在發展。教育工作者需熟悉這些模型，提升學生學習，負責任使用。研究發現GPT-4.0優於GPT-3.5，但對獸醫學生表現不佳，顯示在獸醫教育中使用人工智慧平台需謹慎。 PubMed DOI

這篇文章討論了自然語言處理（NLP）和大型語言模型（LLMs）在傳染病管理的應用，列舉了15個研究案例，像是利用GPT-4檢測尿路感染、BERTweet監測萊姆病。雖然這些模型展現了潛力，但效果有差異。未來需更深入研究，充分運用人工智慧在疾病診斷、監測、預測和追蹤傳染病管理的流行病學趨勢。 PubMed DOI

在動物實驗中，使用臨床評分表評估痛苦程度。人工智慧在臨床前研究中愈來愈常見，包括製作動物福利評估表。一研究比較三種大型語言模型在創建評分表的表現。雖然模型能有效輸出，但在症狀值分配和閾值定義上有差異。專業審查對確保AI工具在研究中精確可靠至關重要。 PubMed DOI

大型語言模型（LLMs）透過龐大文本數據訓練，可在醫療保健領域提升準確性。研究者正致力改善LLM在消化系疾病上的表現，但準確性範圍仍有挑戰。整合檢索增強生成（RAG）、監督微調（SFT）和人類反饋的強化學習（RLHF）等方法，是克服障礙的關鍵。結合人類反饋與先進模型訓練，對於提升LLMs在醫療保健中的效能至關重要。 PubMed DOI

這篇文章討論了ChatGPT在獸醫學中的應用，包括臨床、教育和研究領域。強調了使用ChatGPT需負責任，避免問題並考慮道德議題。提供了學習資源和實例，幫助獸醫、教育者和研究人員充分利用ChatGPT。 PubMed DOI

未經診斷和治療的HIV感染可能導致健康問題增加和病毒傳播。有人提出利用機器學習方法結合結構化數據來改善HIV診斷，但最近缺乏使用來自電子健康記錄（EHRs）的非結構化文本數據的提案。這項研究建議使用臨床註記的非結構化文本來將患者分類為懷疑或非懷疑患有HIV。通過分析真實的臨床註記，兩個大型語言模型（LLMs）在識別懷疑HIV病例方面表現優於傳統的機器學習算法，在不平衡數據集中的F1分數為94.7，在平衡數據集中為95.7。在生物醫學領域利用LLMs的非結構化文本顯示出改善HIV診斷並減少早期檢測機會被忽略的潛力。這個系統可以幫助醫生在診療期間決定哪些患者應接受HIV檢測。 PubMed DOI

在生態學和進化生物學中，從文獻中整合和建模數據對於產生見解至關重要，但手動篩選數百篇文章非常耗時。隨著文獻量增加，電腦方法能提升研究效率和透明度。最近的機器學習和語言模型進展改變了文本挖掘技術，這篇綜述將方法分為三類：基於頻率、傳統自然語言處理和深度學習模型。文中探討了建模策略、生成訓練數據及挑戰，並提出解決方案以增強這些方法在生態和進化研究中的應用。 PubMed DOI

這項研究探討如何利用自然語言處理（NLP）和機器學習（ML）技術，來識別急診部分診筆記中的熱性痙攣，特別針對6歲以下接種疫苗後的兒童。研究強調收集疫苗接種後不良事件數據的重要性，並開發了基準模式匹配方法來分類熱性痙攣。結果顯示，基於變壓器的模型在實時監測中表現優於傳統神經網絡，且足夠的訓練數據對模型效能至關重要。這項研究顯示NLP技術在疫苗不良事件監測中的潛力。 PubMed DOI