這篇評論探討了OpenAI的ChatGPT在醫療溝通中的潛力，特別是在醫學、教育和研究領域的應用。雖然AI工具能協助研究和數據分析，提升醫學寫作，但在準確性、偏見、安全性和倫理等方面仍有顧慮。對這些工具的誤解也可能影響其使用。若正確運用，ChatGPT能增進醫學寫作者的知識與效率，讓他們專注於更複雜的任務。評論旨在提醒醫生和研究人員了解使用ChatGPT的優缺點，並建議未來的研究方向。 PubMed DOI

這項研究探討了人工智慧工具，特別是ChatGPT和Google的Gemini，在協助醫療專業人員評估懷疑神經遺傳疾病患者的表現。研究中提出了九十個問題，涵蓋臨床診斷和遺傳風險等主題。結果顯示，ChatGPT的準確性優於Gemini，但兩者都存在診斷不準確和虛假信息的問題。雖然這些AI工具在支持臨床醫生方面有潛力，但使用時需謹慎，並應與專業醫生合作，以確保評估的可靠性。 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

這項研究評估了大型語言模型ChatGPT在系統性回顧和統合分析中的表現，特別是在脊髓刺激後情緒功能的數據上。結果顯示，ChatGPT在標題和摘要篩選的準確率為70.4%，而全文篩選的準確率為68.4%。在數據整合方面，ChatGPT的準確率達到100%。雖然在篩選任務中表現中等，但在數據整合上表現優異。研究指出，人工智慧能提升系統性回顧的效率，但仍需人類監督以確保研究質量。 PubMed DOI

大型語言模型（LLMs），像是ChatGPT，已經徹底改變了學術界的科學寫作與研究，提供了全方位的支援。生成式人工智慧（GAI）工具在假設形成、方法設計、數據分析到手稿準備等各階段都有所改善。這篇評論專注於LLMs在血液學研究中的應用，特別提到提示工程和檢索增強生成（RAG）框架等技術。這些技術能幫助研究人員創造更準確的內容，並降低錯誤資訊的風險。儘管GAI工具提升了研究質量，但也強調了科學誠信、倫理考量及隱私保護的重要性。 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

AI（像 ChatGPT）在牙醫等領域越來越常被用來蒐集資料和寫論文，確實很方便。不過，若要產出高品質、能發表、推動科學進步的研究，AI 目前還是沒辦法完全取代人類的專業判斷和參與。 PubMed DOI

這篇論文強調，把 ChatGPT 融入大學生物課程，能讓沒寫過程式的學生，靠生物知識下指令，請 ChatGPT 產生 Python 程式來分析基因體資料。這不只縮短生物和資訊的落差，也讓學生有機會做出能發表的研究，進一步推動基因體學等領域發展。 PubMed DOI

這項研究發現，基本版 ChatGPT 在生物醫學文獻搜尋的表現不如 Google 和 PubMed，即使加上插件或自訂功能也還有不少限制。每種搜尋情境都有不同挑戰，顯示對話式 AI 雖有潛力，但目前還不夠成熟，未來在科學研究應用前需要更全面的評估。 PubMed DOI

這篇文章說明，ChatGPT 融入醫學教育後，讓學生能更快取得資訊、享有個人化學習，還能協助課程設計和臨床模擬訓練，提升推理能力。雖然帶來許多好處，但也提醒要謹慎導入、持續驗證，並訂定規範，確保安全有效地應用在醫學教育上。 PubMed DOI