原始文章

這項研究探討一名晚期肌萎縮側索硬化症(ALS)患者,使用植入式腦機介面(BCI)進行溝通的情況,長達7年。患者於2016年開始使用BCI,隨著對眼動追蹤裝置的控制減弱,使用頻率增加。然而,6年後,BCI的使用明顯下降,最終因神經信號減弱及大腦萎縮而停止使用,顯示ALS的神經退化影響了溝通能力。研究由國家聽力及其他溝通障礙研究所資助,並在ClinicalTrials.gov上註冊。 PubMed DOI


站上相關主題文章列表

病例報告討論了患有罕見松果腺膠質母細胞瘤的病患,經過放療和化療後存活五年以上。治療包括腦室系統,可能延長存活時間。貝伐單抗可防止癌細胞擴散。研究指出ChatGPT可提供簡潔摘要,但需人工編輯。ChatGPT是數據處理工具,非醫學文獻替代品。 PubMed DOI

研究使用ChatGPT-4探討中風康復處方及ICF代碼生成,模型提供全面建議並與教科書比較。模型提供廣泛處方並展示康復治療方法。雖ICF分類有錯誤,但正確分配代碼。研究顯示人工智慧對康復醫學臨床及教育有潛力。 PubMed DOI

研究發現,ChatGPT 3.5在回答年長者問題時表現最好,尤其是對於技術性問題。儘管對於黃斑部病變(AMD)提供了準確資訊,但仍有進步空間,特別是在處理更專業的問題上。 PubMed DOI

顱內腦-電腦介面(iBCIs)可幫助ALS等神經系統疾病患者快速溝通,但常需重新校準,打斷使用。新方法「CORP」使用語言模型糾正iBCI錯誤,不打斷使用者。403天試驗顯示CORP在線書寫達93.84%穩定解碼準確率,優於其他方法。此研究展示與人類參與者運行高性能iBCI的長期穩定性,為臨床應用帶來希望。 PubMed DOI

研究利用AI和自然語言處理技術,根據患者言語樣本區分PPA三種變體。AI模型與臨床診斷一致率達88.5%,找出17個最具區分力的語言特徵。透過這些特徵開發出分類器,可高達97.9%正確預測PPA亞型和健康組。這些結果對於改善失智症診斷、了解神經退化疾病、提升診斷精準度有重要意義。 PubMed DOI

失語症學研究文化、語言和社會對大腦發展的影響。人工智慧可透過分析語音數據來了解大腦損傷對語言的影響,提升失語症學研究。ChatGPT和NLP等工具可幫助評估和治療失語症,但需解決偏見、倫理和驗證問題。透過監管,人工智慧將對失語症學有正面影響。 PubMed DOI

顱內腦-電腦介面(iBCIs)可幫助ALS等病患溝通,但需要經常校準。新方法CORP利用語言模型自我校準iBCIs,不打擾使用者。研究顯示CORP在403天測試中,線上書寫任務達93.84%穩定解碼準確率,比其他方法表現更好。這研究顯示高效能iBCI的長期穩定性,為臨床應用提供解決方案。 PubMed DOI

大型語言模型(LLMs)是先進的人工智慧系統,能理解和生成類似人類語言,對神經學任務有潛力。在臨床使用LLMs需面對挑戰,如臨床推理能力有限、可靠性問題、偏見及可能加劇醫療差異。克服挑戰需仔細規劃、利益相關者參與、測試和監控。醫療機構應與預算相符,神經科醫師需保護患者數據隱私,避免偏見。研究人員應遵循道德準則和標準。整合LLMs到臨床神經學可提升患者護理品質和安全性,提供有效運用人工智慧的指導。 PubMed DOI

這項研究探討意識障礙患者的認知運動分離現象,顯示即使在行為上不反應,仍可能有大腦活動的跡象。研究在六個國際中心進行,涵蓋353名不同意識水平的成年人,包括昏迷和植物人狀態的患者。透過功能性磁共振成像(fMRI)和腦電圖(EEG),發現241名無可觀察反應的參與者中,有25%顯示認知反應,而112名能反應的參與者中有38%也顯示認知活動。這顯示無反應患者可能仍保有認知能力,研究獲得詹姆斯·S·麥克唐納基金會等支持。 PubMed DOI

一項研究顯示,腦機介面(BCI)能有效幫助一位45歲的肌萎縮側索硬化症(ALS)患者溝通。該患者在腦中植入四個微電極陣列後,BCI錄製了他的神經活動。第一天就達到99.6%的準確率,隨著訓練,準確率提升至90.2%,詞彙量增至125,000個。經過8.4個月,BCI保持97.5%的準確率,讓他以每分鐘約32個單字的速度溝通,總共超過248小時。這顯示BCI能顯著改善嚴重語言障礙者的溝通能力。 PubMed DOI