本篇文章主要介紹一位菲律賓學者對使用大型語言模型產生文章的想法，說明如何利用AI技術進行學術寫作，以及提示工程的重要性。文中介紹了許多在醫學領域的應用以及學術寫作中的多種提示類型。文章還提到了。本文將會給讀者帶來對AI在學術寫作領域的啟發。

AI+學術寫作的啟發 - 如何進行提示工程與大型語言模型（LLMs）對話

科技

根據美國FDA的數據顯示，2023年的申請量是歷年最大，放射學領域是AI/ML-SaMD的醫材設備申請數持續穩定成長的科別。AI/ML-SaMD的醫材設備通過量預計將成長30％以上。放射科領域佔全部通過量的76%，估計2023年也將保持居冠。

[M-Insight]FDA估計2023年AI/ML-SaMD軟體醫材核准量較2022年大幅提升至30%

本文章介紹了Nature期刊中關於蛋白質序列的深度學習模型以及未來應用的重要性。蛋白質設計的應用從生物醫學到環境科學等各個領域解決問題方面具有巨大潛力。

Nature 2024年重要的七項科技之一：蛋白質序列的深度學習模型

多模態資料與模型目前在人工智慧領域是主流話題之一。多模態對於醫學研究之所以重要，是因為它能夠提供疾病的全面觀點，從來自不同來源和類型的數據（如醫學影像、文字病歷、臨床數據與生理訊號等）結合起來，使得醫學偵測與診斷更加準確和全面。

[論文導讀]多模態數據與人工智能技術在醫學診斷上的綜效

近年來，人工智能與機器學習（AI/ML）技術快速發展，醫療設備數量呈現明顯增長趨勢。本文根據世界衛生組織國際臨床試驗註冊平臺（ICTRP）的臨床試驗數據進行全面分析，瞭解AI/ML SaMD的發展趨勢及地理分佈特徵，並強調了國際合作臨床試驗的必要性。

AI/ML SaMD 軟體醫材的全球競爭態勢

本篇文章分享在NEJM上的重磅研究，利用AI技術從生物醫學訊號中推斷糖尿病患者在駕駛時的低血糖狀態。該研究填補了低血糖即時監測的缺口，提出了非侵入性的低血糖檢測解決方案。透過分析駕駛行為和視線/頭部運動數據，提取特徵並開發機器學習模型，成功偵測低血糖狀態。研究結果具有非常重要的醫療和交通安全意義。

人工智慧推斷糖尿病駕駛血糖低，改善行車安全

這份研究分享了使用AI進行醫療研究的流程，介紹了三角纖維軟骨複合體（TFCC）的定位、重要性，以及如何應用MRI和AI協助進行影像判讀進而降低患者痛楚。研究使用兩種卷積神經網絡進行深度學習模型的設計與訓練以預測TFCC損傷的機率。最後得出結論MRNet 框架較能夠檢測TFCC損傷並協助醫師準確診斷。

[研究分享]以深度學習預測手腕三角軟骨（TFCC）之損傷

今天分享長期觀察 AI 議題的 Martin Signoux 對2024年AI技術領域的觀點。他認為「大型語言模型」未來將不具備任何優勢，未來發展是「大型多模態模型」，而且在2024年的議題量將會超越「大型語言模型」，此觀點也受到楊立昆（Yann LeCuu）的認同。

Meta研究員Martin Signoux所述的大型多模態模型（LMM）將是2024後醫學研究的主流趨勢

                                                    M-Insight : AI科技創新
分享有關人工智慧對於產業與企業的實務應用、研究成果、產業情報等資訊，歡迎人工智慧、醫藥生技、科技管理領域的同好、專家學者、醫師、研究人員與業界朋友一同參與交流。

AI 醫學研究分享

所有文章