研究比較了大型語言模型GPT-3.5和不同H指數的醫學研究人員在寫重症監護臨床研究問題背景的能力。來自20個國家的研究人員評估後發現，GPT-3.5在背景部分表現不錯，但在區分人類內容方面稍遜。總結來說，GPT-3.5能夠創造出和高H指數醫學研究人員相當的背景研究內容。 PubMed DOI

研究比較了最新的人工智慧模型 GPT-4 與前身 GPT-3.5 在81個複雜醫學案例的表現。GPT-4 在主要診斷準確率達38.3%，在不同診斷方面提高至71.6%。它在84.0%的案例提出主要診斷建議，大多數領域優於GPT-3.5，除了藥物反應。GPT-4 在感染性疾病和藥物反應方面表現優異，但在認知障礙案例中稍差。總的來說，GPT-4 在準確診斷、全面不同診斷和適當調查方面展現潛力，雖然表現因醫學專業領域而略有不同。 PubMed DOI

研究比較了GPT-4和GPT-3.5-turbo在寫急診科出院摘要時的表現。結果顯示，雖然GPT-4通常寫得準確，但還是會出現錯誤，像是漏掉重要臨床資訊或加入幻覺。醫師了解這些錯誤很重要，可以檢查並修正內容，確保患者安全。 PubMed DOI

研究比較了ChatGPT-3.5和ChatGPT-4在醫療決策中的表現，結果顯示GPT-4優於GPT-3.5。資深醫師給予較高評分，尤其在倫理問題上。AI有助於醫師，但不應取代人類專業知識，需進一步研究整合到臨床環境中的方法。 PubMed DOI

這項研究評估了GPT-4在泌尿科門診生成出院信件的效果，並與初級醫師進行比較。出院信件對於護理連續性很重要，但撰寫過程常常耗時。研究中，GPT-4根據五個虛構的電子病歷撰寫信件，並由初級醫師用問卷評估其質量。結果顯示，GPT-4在資訊提供上表現優於初級醫師，且沒有產生虛假信息。雖然在清晰度和滿意度上無顯著差異，但GPT-4的信件質量與人類相當。整體而言，GPT-4可望提升醫療文檔的效率與一致性。 PubMed DOI

這項研究評估了AI語言模型GPT-3在診斷和分診的表現，並與一般人和醫生進行比較，使用了48個醫療案例。結果顯示，GPT-3在88%的案例中準確診斷，優於一般人（54%），但低於醫生（96%）。在分診準確性方面，GPT-3達70%，接近一般人（74%），但仍低於醫生（91%）。雖然GPT-3對預測的信心合理，但在急迫案例中準確性下降，偶爾會將緊急案例降為次要。總體而言，GPT-3的診斷表現不錯，但分診效果仍不如醫生。 PubMed DOI

這項研究探討生成式人工智慧，特別是像ChatGPT這樣的大型語言模型（LLMs），如何為從急診部轉至家庭的病人創建個性化的出院指示。研究發現，傳統出院指示常常耗時且缺乏個性化，因此使用GPT-4生成了五個虛構急診案例的出院指示。調查結果顯示，受訪者對GPT生成的指示評價較高，特別是在回診注意事項上，顯示LLMs能提升出院指示的清晰度和相關性，並改善醫療文檔流程，減輕醫療人員負擔。 PubMed DOI

這項研究探討大型語言模型（LLMs）在生成重症監護病房（ICU）病人出院摘要的表現，分析了匿名臨床筆記。三個模型中，GPT-4 API的表現最佳，準確識別41.5%的關鍵臨床事件，ChatGPT和Llama 2則分別為19.2%和16.5%。雖然GPT-4在資訊組織和清晰度上表現優異，但仍有小錯誤，且所有模型在敘事連貫性和重要數據的捕捉上存在挑戰。總體來看，這些LLM在生成出院摘要上有潛力，但仍需改進。 PubMed DOI

在急診部門，快速且準確的診斷對病人結果和醫療效率非常重要。本研究評估了ChatGPT-3.5和ChatGPT-4在根據急診入院前24小時的電子健康紀錄生成鑑別診斷清單的表現。結果顯示，兩者在預測身體系統層級的診斷上都相當準確，GPT-4稍優於GPT-3.5，但在具體診斷類別上表現不一，精確度較低。值得注意的是，GPT-4在幾個關鍵類別中展現了更高的準確性，顯示其在處理複雜臨床情況上的優勢。 PubMed DOI

將AI，特別是ChatGPT 4.0，整合進醫療流程中，尤其在撰寫出院摘要方面，顯示出提升醫療效率和品質的潛力。出院摘要是總結病人住院情況的重要文件，對精神科診所的分析顯示其需求多樣。本研究評估臨床人員與AI生成摘要的品質差異，並由四位主治醫師盲評。結果顯示，AI生成的摘要在效率、連貫性和資訊結構上優於人員撰寫，但仍需進一步研究以提升其準確性和可靠性。 PubMed DOI