韓駿逸（Michael）｜方格子 vocus

韓駿逸（Michael）

韓駿逸（Michael）

11 位追蹤者

Akousist AI創辦人，也是國立政治大學科智所博士生。永遠對創新保持好奇與熱情，近年來，特別關注人工智慧於醫藥生技的AI/ML SaMD發展。個人哲學是唯有不斷分享所學，才能持續成長前進。

M-Insight：AI科技創新

9會員

20內容數

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。

由新到舊

生成式人工智慧：誰是最大得益者？MIT Sloan Management Review 刊登了一篇關於生成式人工智能中獲利者的新觀點文章，從技術架構到主要獲利者，以及面臨的機會與挑戰進行了探討。對於AI行業的從業者和學術研究人員來說，這份文章提供了寶貴的資訊。

人工智慧推斷糖尿病駕駛血糖低，改善行車安全本篇文章分享在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。

AI/ML SaMD 軟體醫材的全球競爭態勢近年來，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。

創業家的成功之路：研究剖析投資人拒絕投資的原因創業家面對投資人拒絕投資時，可能因不信任、財務參與不足、構思不周或行業不理解等原因。透過分析發現投資者偏好快速成長、具有價值加成且創新的產品，重視創業家個人的財務投入。因此，創業家需要準備好團隊與企業體質，釋出有價值的可被投資訊號，才是邁向成功的務實作法。

天使投資評估Startup的7點要素 - 對創業者的建議創業家在籌資過程中會遇到天使投資人、專業創業投資人和企業集團投資人的需求。商業模式的重要性不言而喻，但籌資並非僅憑商業模式。本文介紹了從性別天使角度對新創的評估標準，並就產品採用、發展狀態、智財權、客戶參與、市場潛力、經驗和財務模式提出建議。

大型語言模型真的會改變我們的工作方式嗎？大型語言模型 (LLM) 在最近幾年取得了重大進展，並引起了人們對生成式AI將如何影響工作方式的廣泛重視。雖然 LLM 具有強大的文本生成、翻譯和理解能力，但它們對工作的影響仍然是一個複雜且充滿爭議的話題。本文摘要自MIT 史隆管理評論，分析LLM 對工作帶來的影響。

風險資本市場對創業家的作用與應用風險資本投資對於創新和經濟增長至關重要。本文主要介紹專業風險資本市場及其子分類。您將瞭解到專業風險資本市場的特點和投資階段，並明白專業風險資本如何對創業企業提供資金和增值服務。

新技術商品化的關鍵組織行為和美日企業文化對比本文探討新技術商品化的關鍵組織行為，包括研究組織與產品開發組織之間的協調、知識移轉、生產工程與技術單位在商品化中的角色等。同時比較美國與日本企業文化在技術商品化中的差異。成功商品化不僅需要創新技術，還需要有效的組織和適應企業文化的策略。

[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。

[分享]不要只使用「摘要」，Prompt寫好，ChatGPT能協助以「簡報式」加速閱讀文獻本文提供了博士生每週的閱讀量必須掌握到10-20篇文章的建議。除了閱讀快、整理快、產出快的重點外，還介紹了使用ChatGPT進行快速閱讀文獻的方法，並提供了具體的指令式和簡報式Prompt。這篇文章還以研究者的角度，使用特定的例子回顧了文獻的內容，並分享了關於實驗設計和步驟的內容。

[分享]善用思維式引導Prompt，讓 ChatGPT 協助閱讀醫學文獻在閱讀研究文獻時，我們需要整理研究先進們在類似主題中的發展方式與流程。本文介紹了使用ChatGPT協助快速理解文章的方法，特別強調了Prompt的使用。希望與讀者分享Prompt的創意並歡迎各領域研究者合作交流討論。

[分享] 用 ChatGPT 「圖解析功能」協助閱讀醫學領域研究文獻本文介紹瞭如何使用Prompt解讀醫學研究概念架構圖，並以“Machine Learning to Infer a Health State Using Biomedical Signals”這一主題為例，展開分析。

[研究分享]以深度學習預測手腕三角軟骨（TFCC）之損傷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。

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。

[研究論文分享] 基於AI的知識管理：從4象限SECI模型到9宮格AI-KM模型這一篇文章是我投稿至第83屆AOM國際研討會（Academy of Management）中文版手稿的節錄版本，我將其中比較理論面的部分刪減，把能實務應用的部分進行說明，希望能方便大家閱讀以理解在AI時代，企業面對的知識管理與獨特性競爭策略的議題。這篇文章獲得 AOM 國際研討會（國科會認可的

Nature 2024年重要的七項科技之一：蛋白質序列的深度學習模型本文章介紹了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。

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。

[M-Insight]MIT史隆管理評論:生成式AI提升娛樂產業製作效率，但無法取代人類MIT史隆管理評論收錄Thomas H. Davenport和Wavestone的研究員Randy Bean的研究，探討了生成式AI對娛樂行業的影響與兩位專家觀點，均認為短期不會取代人類，並建議教育機構需要迅速提升教學水平，應對未來娛樂行業的變化。

[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%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。