ChatGPT、GPT-4和Bard都是先進的聊天機器人，可以模擬人類對話。ChatGPT是在龐大文本數據上訓練的，以其口齒清楚的回答而聞名。這些大型語言模型在醫學領域有潛在應用。本文探討它們在診斷實驗室中的優勢和劣勢，涵蓋了從前到後分析過程。 PubMed DOI

研究指出，醫院使用AI聊天機器人ChatGPT-4為血液培養呈陽性的病人提供管理建議，雖然AI回答很詳細，但管理計劃不一定符合專家意見。AI的診斷和治療通常可靠，但有時缺乏源頭控制計劃，且提供有害治療建議。總結來說，2023年若單純依賴ChatGPT-4在嚴重感染疾病中，未經專家建議，仍有風險。 PubMed DOI

研究比較了最新的人工智慧模型 GPT-4 與前身 GPT-3.5 在81個複雜醫學案例的表現。GPT-4 在主要診斷準確率達38.3%，在不同診斷方面提高至71.6%。它在84.0%的案例提出主要診斷建議，大多數領域優於GPT-3.5，除了藥物反應。GPT-4 在感染性疾病和藥物反應方面表現優異，但在認知障礙案例中稍差。總的來說，GPT-4 在準確診斷、全面不同診斷和適當調查方面展現潛力，雖然表現因醫學專業領域而略有不同。 PubMed DOI

AMPs是短肽，可對抗微生物藥物的抗藥性。開發受到對人體細胞的毒性影響，難以控制。GPT-3已用於預測AMP活性和毒性，但簡單模型如RNN和SVM表現更佳。建議目前使用簡單模型，但需重新評估大型語言模型的潛力。 PubMed DOI

研究比較了OpenAI的GPT-4與人類專家在心臟病學建議的醫學準確性。結果發現，GPT-4和人類專家在醫學準確性上差不多，人類專家在高準確性回答上表現較好，但也有更多低準確性回答。GPT-4回答較長，用詞較少多樣，可能有助於一般人理解。然而，人類專家在藥物資訊和初步診斷等特定問題上表現更好，顯示GPT-4在臨床判斷上有限。雖然GPT-4在自動醫學諮詢有潛力，但需改進整合臨床推理，確保安全使用。進一步研究探索大型語言模型在醫學領域的潛力是必要的。 PubMed DOI

研究評估了ChatGPT在處理細菌感染和抗生素敏感性相關問題以及臨床案例中的效果。結果顯示ChatGPT在回答理論問題表現不錯，但在臨床案例管理上有限制，例如識別抗藥機制和抗生素處方。ChatGPT可作為醫學教育和分析工具，但不宜取代專家諮詢在複雜決策中的重要性。 PubMed DOI

這項研究比較了GPT-4和經驗豐富的醫生在診斷臨床案例的準確性。對於未發表的挑戰性案例，GPT-4的前六個診斷準確率達61.1%，超過醫生的49.1%。在常見情境中，GPT-4的前三個診斷100%正確，而醫生則為84.3%。這顯示GPT-4在內科表現上至少與經驗醫生相當，甚至更佳，特別是在挑戰性案例中。不過，對常見案例的高準確率可能與這些案例是模型訓練數據的一部分有關。 PubMed DOI

本研究評估了兩個大型語言模型（LLMs），GPT-4o 和 Gemini 1.5 Pro，在微生物分類的視覺準確性。測試中，GPT-4o 對 *Clostridium perfringens*、*Pseudomonas aeruginosa* 和 *Staphylococcus aureus* 的識別準確率達100%，而 Gemini 1.5 Pro 的準確率則為45%、100%和95%。兩者在識別 *Neisseria gonorrhoeae* 時均表現不佳。總體來看，GPT-4o 在識別上持續優於 Gemini 1.5 Pro，但目前這些模型尚不適合臨床微生物學應用，需進一步研究以提升其有效性。 PubMed DOI

在醫療保健領域，人工智慧（AI）在抗生素處方的應用逐漸增多。透過機器學習技術，如邏輯回歸和深度神經網絡，臨床決策支持系統（ML-CDSSs）展現出改善抗生素處方的潛力。根據PubMed的研究，抗生素處方過程複雜，ML-CDSSs能正面影響臨床結果，但仍面臨挑戰，包括訓練數據透明度、黑箱模型的解釋需求，以及法律與倫理框架的建立，以確保決策責任。 PubMed DOI

這項研究評估了ChatGPT在診斷結腸癌的能力，特別是比較GPT-3.5和GPT-4.0的表現。研究分析了286份腸癌病例，結果顯示GPT-4.0在初診和次診的準確率均高於GPT-3.5，分別為0.972對0.855和0.908對0.617。雖然GPT-4.0在處理病史和實驗室數據上有所改善，但在識別症狀方面仍有挑戰。整體而言，GPT-4.0在臨床輔助診斷中展現出潛力，但仍需進一步研究以克服其限制。 PubMed DOI