研究發現，口腔醫學專家在診斷帶圖片的臨床案例時，表現比 ChatGPT-4o 和 DeepSeek-3 這兩款 AI 更好。雖然 DeepSeek-3 在純文字診斷上比 ChatGPT-4o 準確，尤其在複雜或發炎案例，但整體來說，專家還是最可靠。加入影像資訊能提升診斷準確度，但 AI 目前還無法完全取代專業醫師。 相關文章 PubMed DOI 推理 ♡

NLP能大幅提升獸醫病理學的效率，像是自動產生報告、快速搜尋資料，省時又省錢，尤其在例行工作上效果明顯。不過，NLP也有偏誤、錯誤和隱私等問題，還是需要專業判斷來把關。這篇文章回顧NLP在診斷、教學和研究上的應用，並用實例說明其轉型潛力。 相關文章 PubMed DOI 推理 ♡

這項研究發現，雖然多數人偏好 GPT-4o 的醫療助理回答，但開源模型 Llama 3.1 8B 和 Mistral 3 Small 24B 的表現也很接近，且運算效率高又穩定。開源 LLMs 具備透明、低成本、可客製化等優勢，未來在各行各業應用潛力很大。 相關文章 PubMed DOI 推理 ♡

這份回顧整理2019到2025年16篇研究，發現大型語言模型（像GPT-4）在從臨床文件擷取結構化資料時表現很好，準確率/F1-score都超過85%，尤其搭配好的提示工程。不過，不同文件類型效果會有差異，且還有可靠性、幻覺和資料隱私等問題。要廣泛應用在臨床前，還需要更多研究和倫理規範。 相關文章 PubMed DOI 推理 ♡

這項研究發現，GPT-4o在從臨床紀錄擷取症狀的整體表現中等，但在辨識泌尿症狀上非常厲害，精確度甚至達到100%。顯示GPT-4o在特定醫療領域的應用很有潛力，但如果要擴大到其他症狀，還需要再加強。 相關文章 PubMed DOI 推理 ♡

這項研究用MIMIC-III資料庫，比較ClinicalBERT和GPT-4在預測住院病人出院診斷的表現。結果顯示，ClinicalBERT在各疾病類別的F1分數都比GPT-4高，但需要較多運算資源。GPT-4雖然精確度較低，但召回率高、能處理較長文本，也不用事先訓練。兩種GPT-4提示法中，二元投票法表現稍好。 相關文章 PubMed DOI 推理 ♡

重點整理： 這項研究針對災難情境中，生成式AI和代理型AI所提出建議的一致性進行量化評估，結果發現AI的建議目前還不夠可靠，還無法取代專家判斷，特別是在關鍵時刻。 相關文章 PubMed DOI 推理 ♡

大型語言模型像 GPT-4 雖然在醫療領域應用越來越多，但因為缺乏真實世界的感官和動作基礎，容易出現推理錯誤或倫理問題。論文提醒，若把這些 AI 當成知識代理人而非輔助工具，可能會對臨床實務帶來風險。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4o 在自動化資料清理上，對大多數變數的正確率都很高（超過92%），但在尿液葡萄糖這項表現較差（約70%且不穩定）。整體來說，ChatGPT-4o 有潛力，但還需要進一步研究來克服現有的限制。 相關文章 PubMed DOI 推理 ♡

越來越多病患安全研究依賴 MAUDE 資料庫，作者提出結合 ETL 流程和大型語言模型的方法，能標準化並提升事件通報的分析品質。以內視鏡夾為例，這方法可有效萃取結構化和敘述性資料，發現新見解，提升透明度，幫助臨床醫師決策，也鼓勵更多人利用開放安全資料庫研究。 相關文章 PubMed DOI 推理 ♡