與年齡相關的黃斑變性（AMD）在老年人中引起廣泛關注，近期人工智慧（AI）的進展使得相關研究興趣大增。這項文獻計量分析針對1992至2023年間的AI在AMD研究進行系統評估，使用Web of Science核心合集資料，分析出版量、影響力及研究趨勢。結果顯示美國產出最多，墨爾本大學為主要機構，且深度學習模型的開發及早期檢測成為研究重點。此分析為未來研究提供了重要指引，促進該領域的合作。 PubMed DOI

這項研究針對過去30年醫療保健領域的人工智慧（AI）文獻進行了深入分析，顯示機器學習和深度學習等技術在臨床應用中的整合日益增加。從1993年到2023年，共分析了22,950篇文獻，發現科學產出顯著上升，美國和中國是主要貢獻者，哈佛大學出版量最高。近期趨勢顯示，COVID-19和藥物發現等主題受到高度關注，而2023年最受引用的論文則聚焦於ChatGPT。研究強調了加強國際合作及對AI技術理解的重要性，以推動醫療創新。 PubMed DOI

大型語言模型（LLMs）徹底改變了人工智慧，特別是在生成文本方面。這些模型透過大量文本訓練，能生成連貫且具上下文的內容，應用範圍廣泛，從聊天機器人到內容創作，展現出驚人的語言理解與生成能力。它們能執行摘要、問答及創意寫作等任務，並透過微調技術針對特定需求進行客製化。隨著技術進步，LLMs 的應用也在擴展，並引發了關於倫理、偏見及社會影響的討論，標誌著人工智慧的一次重大進步。 PubMed DOI

這項研究分析了過去十年人工智慧（AI）在醫學領域的出版增長，並預測未來將持續快速上升。研究利用OpenAI API，檢視2014至2024年期間前50本醫學期刊的出版物，最終篩選出212,620篇。結果顯示，AI相關出版物從2014年的約500篇增至2022年的超過1,000篇，比例也從2.5%增至2024年的6%以上。心臟病學和腫瘤學成為AI應用的領頭羊。預測到2030年，AI相關出版物可能達到10%。這強調了AI在醫學研究中的重要性及人類監督的必要性。 PubMed DOI

大型語言模型（LLMs）能理解和產生自然語言，正改變醫療、教育、金融等產業，提升效率和準確度。不過，LLMs也有倫理、偏見和高運算成本等問題。本文分析其發展、應用和限制，並探討未來趨勢。 PubMed DOI

DeepSeek-V3 是中國開源多模態語言模型，不需高階AI晶片也有亮眼表現，可本地部署於醫療研究和臨床應用，方便打造專業客製化工具。但隱私、安全、倫理及各國法規限制，仍是其在醫療領域推廣的主要挑戰。 PubMed DOI

這項研究用大型語言模型（LLMs）來分析1996到2024年歐洲醫學資訊學會議的論文資料，大幅提升了作者機構資訊的擷取準確度。結果更清楚地揭示了歐洲主要研究人員、機構和合作網絡，展現LLMs在論文計量分析上的優勢，但也面臨資料標準化和運算資源等挑戰。 PubMed DOI

這篇研究用文獻計量分析回顧AI和生成式AI在牙醫教育的發展，發現2021年後相關研究快速增加，美國貢獻最多，發表最多的期刊是《Journal of Dental Education》。討論重點有大型語言模型、聊天機器人和臨床決策支援系統。雖然已有具影響力的論文，但還需要更多實證研究，特別是在個人化學習和實作訓練的應用。 PubMed DOI

最新的商業大型語言模型（像GPT-4o），在神經影像的中繼資料標註上，表現幾乎跟專業人員一樣好（zero-shot下得分0.91–0.97），錯誤率也差不多，很多分歧其實不是錯誤。這代表LLM很適合大規模自動標註。作者也建議大家建立並分享標註基準資料集，方便未來測試。 PubMed DOI

這篇研究用文獻計量分析，整理2022年底到2023年底間3,411篇AI生成內容（AIGC）在醫療領域的論文，發現相關研究快速成長，美國和哈佛大學發表最多。熱門主題包括AIGC的影響、適用性和大眾看法。研究建議未來要加強規範、優化資訊服務、釐清AIGC角色，並推動醫療大型語言模型發展。 PubMed DOI