原始文章

急診部門處理植物中毒的情況相當困難,因為很難確定是哪種植物引起的毒性反應。準確識別植物對評估其毒性特性至關重要,但急診的血液檢查通常無法提供相關資訊。案例中,一名23歲男性飲用草本茶後出現不安、意識改變和幻覺,急診團隊利用AI軟體Google Gemini從照片中識別出吉姆森草,並得到植物學家的確認。患者在接受治療後症狀改善,顯示AI在植物識別上的潛力,能幫助醫療人員辨別有毒與無毒植物。 PubMed DOI


站上相關主題文章列表

人工智慧(AI)進步快速,對毒理學影響深遠。機器學習處理各種毒理學數據,有助預測風險。神經網絡和自然語言處理等AI方法成功預測毒性。挑戰在於模型解釋性和數據偏見,需合作開發可信賴的AI系統。這將改變毒理學證據收集方式,提升人類和環境安全。 PubMed DOI

這項研究比較了四個人工智慧系統(Copilot、Bard、Luzia 和 ChatGPT)與四位臨床毒理學家在十個毒理學問題上的回答。結果顯示,專家對人工智慧的來源識別率低,僅有少部分被認為是毒理學家的作品。Luzia 和 ChatGPT 在誤導專家方面表現較好,且ChatGPT的文本質量和知識水平最高,分別達到61.3%和8.03分,顯示其在毒理學領域的優勢。 PubMed DOI

這項研究比較了三層級的分診協議,包括分診護士、急診醫師和人工智慧模型(ChatGPT、Gemini 和 Pi),在2024年4月1日至4月7日於一所三級醫療機構的急診部門進行,分析了500名病人的數據。結果顯示,只有23.8%的病人獲得一致分類,分診護士對6.4%的病人過度分診,且人工智慧模型的分診不足率偏高,特別是ChatGPT在黃碼和紅碼病人中分診不足達26.5%和42.6%。結論指出,急診環境中不應僅依賴人工智慧進行分診。 PubMed DOI

這項研究探討了使用ChatGPT評估草藥與藥物之間的相互作用(HDi),以改善臨床決策。研究針對一位接受卡培他濱治療的直腸腺癌患者,並使用了多種草藥補充品。雖然ChatGPT能快速處理數據,但藥師認為16%的相互作用不太可能,73%的機制被判定為假陽性,4%為幻覺。大部分引用的文獻過時或無法獲取。研究建議進一步探索AI在此領域的應用,並強調專家驗證的重要性。 PubMed DOI

急性主動脈剝離(AD)是一種危及生命的疾病,常因症狀與其他病症相似而被誤診。本研究探討了OpenAI的AI模型ChatGPT 4.0在診斷急性AD的有效性。透過系統性搜尋PubMed,找到163篇案例報告,隨機分析十篇。患者年齡介於29至82歲,性別分佈均衡,高血壓為常見合併症。結果顯示,ChatGPT 4.0能成功將急性AD列為前三名的鑑別診斷之一,並在五個案例中確定為主要診斷。研究指出,ChatGPT 4.0可作為輔助工具,幫助醫生進行早期篩檢。 PubMed DOI

藥物引起的肝損傷(DILI)因其複雜性及與其他肝病相似,對公共健康造成重大風險,診斷上相當困難。缺乏特定生物標記使得識別更具挑戰性。DILI 可能導致急性肝衰竭,因此了解其機制至關重要。近期人工智慧(AI)的進展為 DILI 研究提供了新方法,尤其是隨著數據集的增多。本文探討 AI 在 DILI 研究中的應用,包括風險分層、預後評估及因果關係分析,並強調自然語言處理(NLP)和大型語言模型(LLM)的臨床應用。最後,討論未來挑戰及持續探索的必要性,以改善 DILI 的診斷與管理。 PubMed DOI

本研究探討AI模型(如GPT-3.5和GPT-4)在急診科生成病症鑑別診斷的表現,並與急診科醫師的準確性進行比較。結果顯示,ChatGPT-4的準確率為85.5%,略高於ChatGPT-3.5的84.6%和醫師的83%。特別是在腸胃主訴方面,ChatGPT-4的準確性達87.5%。研究顯示AI模型在臨床決策中具潛在應用價值,建議未來進一步探索AI在醫療中的應用。 PubMed DOI

番茄(<i>Solanum lycopersicum</i> L.)的栽培對全球營養和經濟有重要意義,但面臨如<i>Tuta absoluta</i>等害蟲威脅,影響產量並提高生產成本。傳統檢測方法勞動密集且易出錯,因此需要先進技術。本研究利用人工智慧,整合YOLOv8進行害蟲檢測與分割,並使用ChatGPT-4提供建議。結果顯示,該模型在檢測精確度上達98.91%,顯著優於傳統方法,並能為未受訓練的生產者提供即時諮詢,推動更環保的農業實踐。未來應專注於特定數據訓練以提升準確性。 PubMed DOI

急性前髓細胞白血病(APL)是一種急性髓性白血病,因染色體易位導致PML::RARA基因融合,若不治療會有高死亡風險。快速診斷對於APL至關重要,螢光原位雜交(FISH)和聚合酶鏈反應(PCR)是常用技術。近期人工智慧(AI)技術的進展,特別是機器學習(ML)和深度學習(DL),在APL的診斷和管理上顯示出良好潛力。文獻分析顯示,這些AI模型在靈敏度、特異性和準確性上表現優異,未來有望成為評估APL的重要工具。 PubMed DOI

慢性共濟失調症是一組超過300種疾病,因其臨床和遺傳特徵多樣,診斷上相當困難。本研究提出利用人工智慧(AI)來協助診斷,開發了一個智慧虛擬助手。這個助手的診斷準確率高達90.9%,超越了21位神經科醫師和GPT-4的表現。虛擬助手平均只需14個問題和1.5分鐘就能提供診斷清單,效率遠高於醫師的19.4分鐘。研究顯示,這個助手不僅準確,還能成為神經科諮詢的有力工具,未來可能應用於其他疾病。 PubMed DOI