這篇論文探討了大型語言模型（LLMs）在營養與飲食應用中的表現，特別是針對註冊營養師（RD）考試的1050道問題。研究比較了GPT-4o、Claude 3.5 Sonnet和Gemini 1.5 Pro的準確性與一致性，並分析了不同提示技術的效果。結果顯示，GPT-4o在使用帶自我一致性的思考鏈（CoT-SC）時表現最佳，而Gemini 1.5 Pro在零提示（ZS）下則展現最高一致性。研究強調選擇合適的LLM和提示策略對減少錯誤風險的重要性。 PubMed DOI

這段文字探討大型語言模型（LLMs）如ChatGPT在生物資訊學，特別是基因組學中的限制，提到資料檢索不佳、幻覺及序列操作錯誤等問題。為了解決這些挑戰，作者提出NagGPT作為LLMs與資料庫的橋樑，幫助精煉查詢並提高資訊準確性。此外，還介紹了Genomics Fetcher-Analyzer，這個自訂GPT能讓ChatGPT生成並執行Python程式碼，進行生物資訊學任務，並使用各種基因組資料庫的資料。整體目的是增強ChatGPT在生物資訊學的功能，提升事實準確性和遵循指示的能力。 PubMed DOI

本研究探討ChatGPT-4在評估餐點營養成分的有效性，分析了114張餐點照片。結果顯示，ChatGPT能準確識別93%的食物，對小份量餐點的重量估算一致性良好，但中、大份量則較差。16種營養素中，有10種的估算結果一致性不佳，且多數低估了含量。與七位營養師的評估相比，ChatGPT在食物識別和小份量估算上表現優異，但在中、大份量及營養成分計算上仍需改進。 PubMed DOI

ChatGPT 和類似的 AI 工具在臨床營養管理上有潛力，能透過機器學習來識別風險、提供個人化介入方案，並監測病人進展。它在營養評估和計算熱量需求方面表現良好，但無法解讀非語言線索或進行身體檢查。研究顯示，雖然它在臨床指導上表現不錯，但在整合多種醫療狀況和確保餐飲計畫準確性上仍有挑戰。儘管如此，ChatGPT 在專業指導下可成為優化營養教育的有用工具。 PubMed DOI

這項研究探討了先進的自然語言處理技術如何改善食物分類和飲食分析，使用來自飲食追蹤應用的原始文本。研究分為數據收集、框架開發和應用三個階段，參與者透過 myCircadianClock 應用記錄餐點。研究人員創建了 NutriRAG 框架，結合大型語言模型如 GPT-4，提升了食物分類的準確性。結果顯示，參與者在不同飲食模式下的飲食行為有顯著變化，顯示出 NutriRAG 在個性化營養和健康問題解決上的潛力，並建議進一步研究。 PubMed DOI

這篇論文探討生物醫學文本中的命名實體識別（NER）挑戰，特別是在數據稀缺的情況下。作者指出現有數據增強方法的不足，可能會影響語義，且忽略多尺度句子特徵。為了解決這些問題，他們提出利用ChatGPT生成多樣化的數據，並採用動態卷積捕捉多尺度語義，結合PubMedBERT增強特徵表示。實驗結果顯示，這種方法在四個生物醫學NER數據集上表現優於現有模型，顯示出在數據增強和模型泛化上的有效性。 PubMed DOI

大型語言模型（LLMs），像是ChatGPT，正被研究用於增強慢性腎臟病（CKD）患者的營養指導。為了發揮其最佳效能，醫療專業人員、患者及照顧者的合作至關重要。雖然LLMs能提供食譜建議，但在分析電解質和卡路里等重要營養成分上仍有不足。未來的技術進步預期能改善這些能力，實現精確的營養分析和烹飪輔助工具。CKD社群的參與對於推動人工智慧在營養護理中的應用非常重要，並需保持批判性思維。 PubMed DOI

目前食品擠壓研究缺乏標準化資料集，影響進展。作者建立人工整理的資料集，並測試大型語言模型（LLMs）自動擷取文獻資料的能力。結果發現，LLMs 雖然偶有錯誤或遺漏，但能大幅減少人工整理時間，是輔助建立資料集、加速研究的有力工具。 PubMed DOI

這項研究分析超過9萬則推特，並精細標註1,000則推文，提升辨識藥物與膳食補充劑關係的能力。結合BioBERT和ChatGPT，關係偵測準確率很高（F1值最高0.99），但實體辨識較難，因為類型太像。這方法有助於監測補充劑使用和藥物交互作用，也證明傳統NLP和大型語言模型結合在醫療文本分析上很有潛力。 PubMed

這項研究用 ChatGPT3.5 自動從電子病歷的出院摘要中擷取藥物資訊，解決了多語言和格式不一的問題。研究發現，few-shot 提示比 zero-shot 更準確，錯誤也較少。ChatGPT3.5 在命名實體辨識和文字擴充的 F1 分數分別達 0.94 和 0.87，更新版模型表現更好。結果證明大型語言模型能有效結構化藥物資料，提升資訊可用性。 PubMed DOI