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

大型語言模型（LLMs）在自然語言處理中廣泛運用，包括在醫學領域進行臨床推理。一項研究比較了不同LLMs在辨識自體炎症性疾病的準確性，結果顯示，GPT-4在某些疾病的辨識上與醫師相當，但在其他方面醫師表現較好。這研究顯示LLMs在診斷自體免疫性疾病上有潛力。 PubMed DOI

研究使用大型語言模型評估骨骼放射性核素掃描報告對SAPHO綜合症的診斷效果，並探討模型如何提升診斷。透過ChatGPT-4.0分析151位懷疑患有SAPHO綜合症的患者資料，結果顯示該模型在結合皮膚症狀後，具有83.5%的敏感度、69.4%的特異度和76.8%的總體準確性。研究指出，大型語言模型可有效協助診斷複雜疾病如SAPHO綜合症。 PubMed DOI

研究比較了四個大型語言模型在心血管和胸部影像診斷上的效果，包括ChatGPT3.5、Google Bard、Microsoft Bing和Perplexity。結果顯示Perplexity在診斷準確度和一致性上表現最佳。在選擇臨床或教育用模型時，需考慮這些差異。 PubMed DOI

纖維肌痛是個復雜的疾病，主要症狀是全身疼痛和情緒困擾，診斷很有挑戰性。患者常有認知和情緒變化，對疼痛相關資訊更敏感。研究指出，利用大型語言模型進行情感分析可幫助辨識疼痛表達中微妙的差異，尤其對於纖維肌痛的診斷有幫助。這項研究顯示，透過快速工程方法針對纖維肌痛的語言細微差異，能更準確地區分患者。未來還需進一步研究，包括與其他患者群體的驗證。 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

大型語言模型（LLMs）在臨床診斷支持上展現了潛力。本研究比較了Bing、ChatGPT和Gemini三個LLMs在處理複雜臨床案例的表現，並評估了一個新開發的評分標準。結果顯示，Gemini的表現最佳，且評分工具的可靠性高，觀察者間變異性低。研究強調不同情境下模型表現的差異，並指出在實施前需評估診斷模型的有效性，為AI在臨床應用的整合提供了新的討論基礎。 PubMed DOI

這項研究旨在識別和視覺化難治性肌肉骨骼疼痛綜合症的病人群體，特別是纖維肌痛症。研究涵蓋202名患者，發現78%符合纖維肌痛症標準，且許多人有精神或風濕性疾病。透過層次聚類分析，識別出五種不同的患者表型，主要區別在於獨居、體重指數、疼痛類型等。研究還開發預測模型，顯示某些藥物和獨居對疼痛減輕有負面影響，強調了解這些亞型可促進個性化治療，並為未來臨床試驗提供參考。 PubMed DOI

這項研究探討大型語言模型（LLMs）在識別接受免疫檢查點抑制劑（ICI）治療患者的免疫相關不良事件（irAEs）中的應用，並與傳統手動裁定及ICD代碼進行比較。研究分析了超過12年的住院紀錄，發現LLMs在檢測irAEs的敏感性顯著高於ICD代碼，且效率更佳，平均每份病歷僅需9.53秒。總體來說，LLMs被認為是檢測irAEs的有效工具，提供更高的敏感性和效率。 PubMed DOI

這項研究評估了10個大型語言模型（LLMs）與2位認證放射科醫生在分析胸部放射學案例的診斷表現。研究收集了124個案例，結果顯示Claude 3 Opus的診斷準確率最高，達70.29%，而放射科醫生的準確率則較低，分別為52.4%和41.1%。LLMs在特定案例中的表現較佳，顯示在適當醫療監督下，LLMs可能成為臨床決策的重要工具。 PubMed DOI