這篇論文探討基因數據在疾病診斷與治療中的重要性，特別是癌症研究，並指出將這些數據整合進臨床護理的挑戰，如電子健康紀錄的結構、保險成本及基因結果的可解釋性。研究也提到人工智慧（AI）和大型語言模型（LLMs）在解決這些問題上的潛力。儘管AI在醫學研究中的成功有限，但基於大量數據訓練的LLMs在基因分析上顯示出希望。研究評估了GPT模型在基因表達數據的預測能力，並與傳統機器學習方法進行比較，以探討其在預測癌症亞型的潛力。 PubMed DOI

藥物基因組學在精準醫療中扮演重要角色，但因醫師和病人對此認識不足，實施進展緩慢。大型語言模型（如GPT-4）有潛力提供即時醫療資訊，但也可能產生不準確的內容，對臨床造成風險。我們進行了測試，評估聊天機器人在藥物基因組學上的表現，結果顯示雖然新模型表現較好，但仍未達臨床應用標準。我們的基準將成為未來進步的重要資源。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-3.5、ChatGPT-4.0 和 Google Gemini 在回答乙型肝炎病毒（HBV）相關問題的表現。醫療專業人員對其準確性進行評分，並評估可讀性。 主要發現包括： - 所有 LLM 在主觀問題上得分高，ChatGPT-4.0 準確性最高。 - 在客觀問題上，ChatGPT-4.0 準確率為 80.8%，優於其他兩者。 - ChatGPT-4.0 在診斷上表現佳，Google Gemini 在臨床表現強勁。 - 所有 LLM 的可讀性分數高於標準八級，對一般讀者來說可能過於複雜。 結果顯示，LLMs，特別是 ChatGPT-4.0，可能成為有關 HBV 的資訊工具，但不應取代醫生的個人化建議。 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

你的專案專注於提升大型語言模型（LLMs）在基因組學的表現，特別是透過整合變異註解數據。你成功將1.9億條準確的變異註解整合進GPT-4o，讓使用者能查詢特定基因變異並獲得詳細解釋。雖然微調有助於提升表現，但檢索增強生成（RAG）在數據量和成本效益上更具優勢。這項研究不僅提高了變異解釋的可及性，也為未來基因組學的AI系統發展樹立了榜樣，展現了LLMs的潛力。公開數據集可依需求分享。 PubMed DOI

基因編輯（GE）是生命科學中的重要工具，但因物種、基因序列及工具不同，編輯某些基因會遇到挑戰。為了提升基因編輯研究的設計，確認文獻中基因編輯的實踐至關重要。基因編輯元數據庫（GEM）提供了有用的資訊，但對特定基因的參與細節仍不足。 本研究開發了一種系統性方法，利用大型語言模型從GEM及相關文獻中提取關鍵資訊，讓基因編輯數據的調查更全面。我們還提出將這些資訊轉換為指標，以優先考慮未來的研究基因。最終的基因編輯資訊和評分系統旨在簡化目標基因的選擇，改善研究設計。欲了解更多，請訪問以下網址：https://github.com/szktkyk/extract_geinfo 和 https://github.com/szktkyk/visualize_geinfo。 PubMed DOI

這項研究評估了大型語言模型（LLMs），如ChatGPT 3.5、ChatGPT 4.0和Gemini，對自體免疫疾病臨床問題的回答效果。共提出46個問題，並由專家根據五個質量維度進行評估。結果顯示，ChatGPT 4.0在所有維度上表現優於其他兩者，平均得分為199.8，顯示其在相關性、正確性、完整性、有用性和安全性方面的顯著優勢。整體而言，ChatGPT 4.0在提供準確且有用的醫療資訊上，顯示出更高的效能，顯示大型語言模型在醫療服務中的潛力。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT、Gemini 和 Meta AI—在微生物學課程高階問題的表現。研究從大學考試中彙編了60個問題，並由三位教職員評估AI的回應。結果顯示，ChatGPT在大多數能力上優於其他模型，特別是在MI 2、3、5、6、7和8方面；Gemini在MI 1和4方面表現較好，而Meta AI的得分最低。質性評估指出，ChatGPT的回應更詳細，Gemini有時缺少關鍵點，Meta AI則較為簡潔。總體來看，ChatGPT和Gemini在醫學微生物學的複雜問題上表現優於Meta AI。這是首次在微生物學教育中比較這三個LLMs。 PubMed DOI

這項研究比較三款GPT模型在醫學檢驗報告錯誤偵測和治療建議的表現。結果顯示，GPT模型平均能準確抓出約九成錯誤，但對格式錯誤較不敏感。GPT的判斷和資深檢驗師幾乎一樣準，速度還更快。GPT-o1 mini偵錯最穩定，GPT-o1給治療建議最強，顯示AI有助提升檢驗室效率和臨床決策。 PubMed DOI

藥物基因學有助推動個人化醫療，但因醫師和病患對相關知識不足，推廣進展緩慢。雖然像GPT-4這類AI聊天機器人有潛力協助縮短知識落差，但目前仍常出錯，臨床應用有風險。作者設計測驗評估AI回答藥物基因學問題的能力，發現新一代模型雖進步，但還不夠穩定，暫時不適合直接用在臨床。這套評測標準未來可作為改進AI的參考。 PubMed DOI