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

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

人工智慧在醫療，特別是眼科的影像分析上有顯著進展。最近，ChatGPT加入影像分析功能，開啟新的診斷可能性。本研究選取12張眼底影像，評估ChatGPT 4.0的診斷準確性。結果顯示，ChatGPT能準確診斷四種疾病，但在七個案例中表現不佳。雖然顯示出潛力，但目前準確性不足以應用於臨床，需進一步研究以提升其診斷能力。 PubMed DOI

這項研究評估了土耳其眼科協會針對早產兒視網膜病變的病患教育材料可讀性，並與大型語言模型（如GPT-4.0、GPT-4o mini和Gemini）生成的內容進行比較。結果顯示，TOA的材料可讀性超過六年級，而GPT-4.0和Gemini則更易讀。經調整後，GPT-4.0的可讀性改善，且在準確性和全面性上得分最高，Gemini則最低。研究指出，GPT-4.0在創建可及的病患教育材料上有潛力，但使用LLMs時需考慮地區醫療差異和資訊準確性。 PubMed DOI

這項研究介紹了一個名為slit lamp-GPT的多模態變壓器模型，旨在從裂隙燈影像生成醫療報告，並利用Llama2進行問答系統。研究使用了25,051張影像，來自3,409名參與者，並配有醫生撰寫的報告。模型性能透過多種指標評估，顯示出良好的準確率和F1-score。眼科醫生對生成報告的評價也相當一致，顯示出該模型在協助醫生和改善病人護理方面的潛力。 PubMed DOI

糖尿病視網膜病變（DR）和黃斑水腫（DME）是糖尿病患者視力喪失的主要原因，但專業護理資源有限。本研究探討利用大型語言模型ChatGPT-4，根據健康檢查數據創建DR和DME的風險計算器，無需視網膜影像或編碼技能。研究使用韓國國家健康與營養調查數據，開發預測模型，並生成網頁風險計算工具。結果顯示，DR和DME的預測準確性與傳統方法相當，未來需在不同人群中進一步驗證並納入更多臨床數據。 PubMed DOI

最近生成式人工智慧的進展，特別是像GPT-4 V這樣的多模態模型，顯示出在分析視覺和文本數據方面的潛力，對醫療保健，尤其是眼科，可能帶來重大影響。本研究評估了GPT-4 V在診斷眼部疾病的能力，結果顯示提供臨床背景能顯著提升診斷準確性。沒有背景時，GPT-4 V的正確率為47.5%，有背景時提升至67.5%。這顯示GPT-4 V能有效整合視覺與文本信息，對改善眼科病患護理有潛力。 PubMed DOI

這項研究評估了流行的視覺大型語言模型（VLLMs），特別是OpenAI的GPT-4V和Google的Gemini，對於從視網膜影像中識別眼病的表現。研究使用了44張來自新加坡眼病流行病學研究的視網膜照片。結果顯示，GPT-4V在預設模式下的檢測準確率最高，達97.1%，但所有模型在提供診斷描述的質量上普遍較差。研究強調了專業VLLMs在醫療領域的必要性，以及人類監督在臨床眼科中的重要性。 PubMed DOI