人工智慧（AI）在醫療領域的應用逐漸普及，透過大型語言模型（如GPT-4）和自動語音識別技術，能有效提升醫療文檔的效率，讓醫生更專注於病人護理。然而，AI生成的內容需謹慎校對，因為可能出現錯誤或不準確的資訊。此外，隨著醫療數據的增加，患者隱私和算法偏見的風險也上升。因此，開發者應加強監管，遵循倫理指導，並改善輸出準確性。 相關文章 PubMed DOI ♡

這項研究評估了兩個雲端人工智慧（AI）系統在解讀胸部X光片（CXR）方面的效果，特別針對高風險的肺結核（TB）和HIV患者。共招募1,978名有TB症狀的患者，結果顯示，TB AI在高敏感度閾值下的敏感性為87%，特異性為70%，表現不劣於放射科醫生的76%敏感性。雖然AI在特異性上不如醫生，但仍是一個可行的篩查工具，能有效檢測活動性肺結核及其他異常。 相關文章 PubMed DOI ♡

這項前瞻性觀察研究針對270名病人進行，最終260名完成研究。研究涵蓋慢性腎病、慢性肝病、結核病、癡呆症和心臟病等慢性疾病，並開發了三個機器學習模型。結果顯示，隨機森林模型在預測CKD和心臟病方面表現最佳，準確率分別為85.3%和88.2%。此外，邏輯回歸在預測TB和癡呆症上也有不錯的表現。研究強調機器學習在慢性疾病預測中的潛力，並建議未來進行多中心研究以驗證結果。 相關文章 PubMed DOI ♡

網路與人工智慧（AI）已改變現代醫學，讓醫療資訊更易獲取，但病人的自主權仍需依賴清晰準確的資訊。本文評估AI生成的足踝手術資訊質量與可讀性，結果顯示AI生成的資訊可讀性差，準確性與質量不如人類生成的資料。AI的資訊理解需要更高的教育水平，可能會誤導病人。因此，建議在臨床諮詢中使用來自專業機構的資訊，因為目前AI在知情同意過程中的應用證據仍不足。 相關文章 PubMed DOI ♡

這項研究探討醫學生對於使用ChatGPT於教育中的倫理擔憂，特別是隱私、準確性和專業誠信。調查對象為巴基斯坦ABWA醫學院的219名學生，結果顯示95%認為ChatGPT提供的資訊準確，80%信任其醫學內容，但83%對隱私和數據安全感到擔憂。雖然69%的人認為ChatGPT能增強批判性思維，但31%擔心會削弱自主性。22%的學生對未來在醫學教育中使用ChatGPT感到憂慮，主要因隱私和準確性問題。研究強調需謹慎整合ChatGPT，以確保其輔助而非取代傳統學習。 相關文章 PubMed DOI ♡

這項研究探討了提示的構建對AI聊天機器人在頭頸外科回應質量的影響。由16位研究人員在11個歐洲中心進行，涉及24個問題，分為臨床情境、理論問題和病人詢問。結果顯示，使用結構化提示（SMART格式）生成的回應在質量評估上顯著優於非結構化提示，特別是在臨床情境和病人詢問中。研究強調良好構建提示的重要性，並建議未來可在其他醫學領域進行類似研究。 相關文章 PubMed DOI ♡

大型語言模型在醫學教育領域的應用越來越普遍，尤其是在編輯和生成書面內容上。這引發了學術界對AI生成內容的倫理使用和披露的討論，但目前對於研究生醫學教育申請者在撰寫申請材料時使用AI，尚無明確指導方針。這篇文章探討了使用AI的各種面向，包括對申請審查的影響及抄襲的倫理問題，並呼籲建立相關指導方針，以維護申請過程的公正性。 相關文章 PubMed DOI ♡

這項研究評估了ChatGPT-4在減重手術領域的可行性，針對30個相關問題進行分析。三位專家評估後發現，ChatGPT-4的表現不錯，50%的回答與臨床指導方針高度一致。不過，研究也指出資訊可能過時、缺乏具體性，且有時回答結構不佳。總體來看，ChatGPT-4可作為患者教育和醫療支持的輔助工具，但仍需克服管理複雜情境、確保資訊更新及解決倫理問題等挑戰。未來研究應著重於改善其應用及整合進臨床實踐。 相關文章 PubMed DOI ♡

這項研究旨在提升急診部病人胸部CT掃描中偶發性肺結節（ILNs）的檢測與追蹤，對早期肺癌診斷至關重要。研究團隊開發了一個三步驟的自然語言處理（NLP）流程，解決非結構化放射學報告的挑戰。分析了26,545份CT掃描，並建立了基於RoBERTa模型的NLP流程。評估結果顯示，該流程在結節檢測及後續建議上表現良好，準確率高達93.3%。這個開放存取的工具有助於減少錯誤，改善病人照護。 相關文章 PubMed DOI ♡

生成式人工智慧（Gen AI）在醫療保健領域展現出巨大潛力，能改善病人照護、個性化治療、專業人員培訓及推進研究。它在臨床上可協助制定治療計畫、分析醫學影像、預測風險等，並透過自動化行政任務減輕醫師負擔，讓他們有更多時間與病人互動。此外，Gen AI也能提升手術結果。在非臨床方面，它增強醫學教育和醫療行銷，持續改善臨床和運營效率，使醫療服務更主動、預測性和精確。 相關文章 PubMed DOI ♡