GPT-4被用於病例報告的診斷挑戰，但僅在少數病例中表現良好。為了保護隱私，測試了提取術語生成提示的方法。結果顯示從結構化數據創建的提示效果更差，不同版本的GPT-4表現也不同。這凸顯了在臨床診斷中使用GPT-4的限制，強調了需要研究如何從臨床數據中創建有效提示。 PubMed DOI

這項研究探討了大型語言模型（LLMs）如ChatGPT和Google Bard在從臨床摘要中預測神經病理診斷方面的應用。這些LLMs在某些案例中準確識別了主要診斷並提供了其預測的理由。研究結果表明，像ChatGPT這樣的人工智慧工具可能有助於增強神經病理學的臨床病理會議中的討論。 PubMed DOI

研究指出大型語言模型（LLMs）如Bard、ChatGPT-3.5和GPT-4在醫學教育中對診斷罕見複雜疾病有幫助。LLMs表現比人類和MedAlpaca更好，尤其是GPT-4最準確。每個LLM需要不同的提示策略，提示工程至關重要。研究顯示LLMs能提升對具挑戰性醫學病例的診斷推理，對研究人員和醫護人員具啟發性。 PubMed DOI

研究發現GPT-4在醫學案例初步診斷、檢查和治療方面表現最佳，尤其在常見疾病方面。商業LLMs有潛力用於醫學問答，但仍需加強。開源LLMs則可應對數據隱私和培訓透明度需求。強調強大且受監管的AI模型在醫療保健領域的重要性。 PubMed DOI

研究發現大型語言模型在耳鼻喉科疾病診斷中表現不錯，ChatGPT-3.5準確率最高達89%，建議仍需醫師監督。 PubMed DOI

研究比較了大型語言模型（LLMs）在臨床案例診斷上的表現，發現GPT4比GPT3.5更準確且提供更專業的診斷列表。然而，兩者仍有可能漏掉最可能的診斷。研究建議LLMs像GPT4可擴展診斷考慮範圍，但需改進以更符合疾病發生率和文獻。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是ChatGPT-3.5和New Bing Chat，在模擬醫生角色管理甲狀腺結節的表現。研究中提出145個病人的問題，並與初級醫生和資深醫生的回答進行比較。結果顯示，這兩個LLMs在某些問題上表現接近初級醫生，但整體準確性較低。雖然ChatGPT-3.5在特定問題上表現較好，但New Bing Chat在甲狀腺結節的決策準確性較高。總體而言，這些LLMs尚未達到人類醫生的臨床決策能力。 PubMed DOI

這項研究探討了不同人工智慧模型在精神醫學診斷的表現，包括GPT-3.5、GPT-4、Aya和Nemotron。由於病人主觀報告的影響，準確診斷常常困難。研究使用20個DSM-5的臨床案例，結果顯示GPT-3.5和GPT-4在準確性和推理上優於其他模型，尤其在診斷精神病和雙相情感障礙方面表現突出，但在某些情況下則不佳。研究建議，人工智慧有潛力改善精神科診斷，但其他模型需進一步改進，未來應擴展數據集以增強診斷能力。 PubMed DOI

這項研究評估了大型語言模型（LLMs）在複雜醫療案例中的診斷表現。研究分析了392份來自《美國病例報告期刊》的案例，使用了ChatGPT-4、Google Gemini和LLaMA2來生成鑑別診斷清單。結果顯示，ChatGPT-4的前10名診斷中，最終診斷納入率最高，達86.7%，其次是Google Gemini的68.6%和LLaMA2的54.6%。研究顯示ChatGPT-4在診斷準確性上明顯優於其他兩者，突顯了生成式人工智慧在醫療診斷中的潛力。 PubMed DOI

診斷罕見兒科疾病相當具挑戰性，因為這些疾病的表現複雜。本研究評估了三種大型語言模型（LLMs）的診斷表現：GPT-4、Gemini Pro，以及一個整合Human Phenotype Ontology的自訂模型（GPT-4 HPO），針對61個罕見疾病進行分析。結果顯示，GPT-4的準確率為13.1%，而GPT-4 HPO和Gemini Pro均為8.2%。特別是GPT-4 HPO在鑑別診斷和疾病分類上表現較佳。這些結果顯示大型語言模型在診斷支持上有潛力，但仍需改進以便更好地融入臨床實踐。 PubMed DOI