深度學習應用在病理圖像可提升腫瘤醫學精準度，減輕專家負擔。然而，訓練模型需要耗時且昂貴的標記數據。研究指出使用GPT-4等大型語言模型，能從非結構化病理報告中提取結構化數據，無需重新訓練。結果顯示模型生成的數據與人類高度一致，未來或可應用在提取真實數據供機器學習使用。 PubMed DOI

研究發現ChatGPT在預測糖尿病視網膜病變風險上表現一致，但與臨床診斷僅有一般性一致。敏感度為67-73%，特異度為54-68%。建議ChatGPT可作為初步篩檢工具，但仍需進一步改進以供臨床應用。 PubMed DOI

研究發現ChatGPT在中文眼底螢光素Angiography報告中表現不如眼科醫師，但推理能力強且錯誤率低。眼科醫師認為使用英文提示更準確。研究指出ChatGPT在不同語言提示下表現有差異，雖有應用潛力，但在眼科臨床仍需改進。 PubMed DOI

研究發現，GPT-4在眼科領域表現優異，得到眼科醫師認可。這顯示先進語言模型在提供醫療建議上有潛力，尤其在眼科專家有限的情況下。 PubMed DOI

比較了ChatGPT和Vertex AI在處理眼底攝影圖像及糖尿病視網膜病變的能力。ChatGPT透過CLAHE增強圖像解析度，並生成R和Python腳本進行數據分析。Vertex AI則開發了高精確度和召回率的機器學習模型。兩者展現了讓非專業人員處理圖像、數據和機器學習的潛力。 PubMed DOI

研究發現人工智慧模型對糖尿病視網膜病變問題的回答表現不錯，但仍有改進空間。專家們認為人工智慧在回答問題時相當準確，且內容適當完整。 PubMed DOI

研究測試了ChatGPT-4在未經訓練下，辨識青光眼的能力，結果顯示準確率達90%，敏感度50%，特異度94.44%。顯示先進AI技術在眼科等醫學領域有潛力，或許能省時省力，提供新診斷工具，特別對資源不足的環境有幫助。 PubMed DOI

在資源有限的環境中，初級醫療醫師（PCPs）短缺對糖尿病護理和視網膜病變篩檢造成挑戰。為此，開發了DeepDR-LLM系統，結合大型語言模型和深度學習，協助PCPs提供個別化的糖尿病管理建議。研究顯示，使用DeepDR-LLM的患者在自我管理行為上表現更佳，特別是新診斷的糖尿病患者，且轉診遵循率也提高。這顯示DeepDR-LLM有潛力改善初級糖尿病護理，填補PCPs短缺的空白。 PubMed DOI

這項研究評估了具視覺功能的GPT-4V在眼科診斷玻璃體視網膜疾病的表現。研究在巴斯科姆·帕爾默眼科診所進行，分析了2010年至2023年的病人數據。結果顯示，GPT-4V在開放式問題中的診斷準確率為13.7%，而多選題為31.3%。該模型能準確識別後玻璃體脫離等病症，但在開放式問題的有效性有限，顯示出提供複雜醫療建議的挑戰。總體而言，GPT-4V在臨床護理中仍有潛力。 PubMed DOI

這項研究評估了ChatGPT 3.5和4.0版本在診斷青光眼方面的能力，使用了眼壓治療研究的數據。研究涵蓋1585名受試者的3170隻眼睛，並將臨床參數轉換為文本進行分析。結果顯示，ChatGPT 3.5的準確率為66%，而4.0則提升至87%。雖然4.0的整體準確率較高，但3.5在檢測青光眼的敏感性上表現更佳。這顯示ChatGPT在評估眼壓高的眼病上具有潛力，未來的多模態模型可能進一步提升診斷準確性。 PubMed DOI