這項研究探討了大型語言模型ChatGPT在腎臟科病例分診的有效性，特別是在因人口老化導致腎臟問題增加的情況下。兩位腎臟科醫生設計了100個病人情境，結果顯示ChatGPT在判斷腎臟科需求的準確率高達99-100%，選擇正確子專科的準確率為96-99%，兩輪評估的協議率為97%。雖然結果顯示AI能提升醫療分診的效率與準確性，但仍需改進在複雜病情的多學科護理整合方面。整體而言，研究強調了AI在改善臨床決策及發展量身訂做的分診系統的潛力。 PubMed DOI

慢性腎臟病（CKD）是一個全球日益嚴重的健康問題，可能導致末期腎臟病，需要透析或腎臟移植。這項研究分析了2004至2024年間，全球及美國對CKD和透析的搜尋趨勢，發現搜尋興趣整體上增加，且與實際透析發生率高度相關。不過，2020年因COVID-19疫情影響，搜尋活動顯著下降。研究建議使用Google Trends作為評估公眾對腎臟健康興趣的工具，但也提醒需搭配其他研究方法，以克服數據的局限性。 PubMed DOI

腎臟科醫師短缺是全球性問題，這項調查是首個針對歐洲醫師職業選擇原因的研究。調查收集1,058份回應，性別幾乎均等，顯示64%受訪者認為醫學生對腎臟科看法負面。受訓者提到的吸引力不足原因包括慢性病專注、接觸不足、薪資低等。相對地，正面榜樣和早期實踐經驗是選擇腎臟科的關鍵因素。為解決醫師短缺，需提升腎臟科的吸引力，並確保醫療人力充足。 PubMed DOI

1960年代血液透析的引入及1972年醫療保險的覆蓋，對腎臟科的發展影響深遠。雖然促進了該領域的成長，但也帶來了研究者與臨床醫生之間的鴻溝，影響臨床研究並增加醫生的負擔，如繁重的旅行和複雜的電子病歷。這導致腎臟科醫生士氣低落及職業倦怠，並面臨企業化醫療的倫理挑戰，讓招聘變得困難。因此，需加強慢性腎病的預防護理，探索新診斷與治療選擇，並考慮將透析責任轉給非醫師提供者。 PubMed DOI

這項研究評估了兩個AI語言模型，GPT-3.5和GPT-4，在小兒腎臟科臨床資訊的有效性。40位小兒腎臟科專家對這些模型進行了評分，結果顯示兩者表現相似，GPT-4稍微高一些，但差異不顯著。分析顯示，模型的內部一致性較低，專家經驗與評價無明顯相關。研究指出，這些AI模型雖能提供基本資訊，但未能解決小兒腎臟科的特定挑戰，強調專業訓練和人類監督的重要性。 PubMed DOI

這項研究評估美國兒科腎臟科的實務，以應對人力資源短缺。透過對部門領導者的調查，發現較大的計畫在腎臟移植和透析方面表現較佳，擁有更好的資源配置，而小型計畫則面臨病人數量不足的問題。中型計畫在護理方面表現優異，但許多計畫在移植和專科訓練的行政支持上仍有不足。研究強調需加強兒科腎臟科服務，以改善病人護理。 PubMed DOI

**重點整理：** 這項研究用橫斷面分析，比較AI模型和腎臟科醫師在回答糖尿病腎病變常見病人問題時的一致性。 PubMed DOI

研究發現，GPT-4能幫助醫師提升腎臟科答題分數，尤其對資淺醫師幫助最大。不過，在某些臨床領域，資深醫師參考GPT-4後反而表現變差。雖然GPT-4有助提升準確率，但在醫療決策時仍需謹慎使用。 PubMed DOI

最新研究比較四種AI模型在腎臟科問題上的表現，發現GPT-4o最準確且穩定，GPT-4同理心最佳，PaLM 2和Gemini 1.0 Ultra則在部分任務表現突出。結果顯示，生成式AI有助於提升腎臟科病患的溝通與衛教，不同模型可依臨床需求選用。 PubMed DOI

2009到2024年，美國腎臟科fellowship名額增加，但申請人卻大減，導致錄取率變高、缺額變多。美國本土醫學院畢業生減少，osteopathic畢業生增加，國際醫學畢業生比例沒變。訓練名額和申請人落差擴大，未來腎臟科醫師人力恐不足，需提升專科吸引力並持續關注趨勢。 PubMed DOI