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

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

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

抗微生物抗藥性對全球公共健康造成重大挑戰。本研究評估了AI語言模型ChatGPT^®在抗生素處方上的表現，並與傳染病專家比較。研究創建了100個模擬病人案例，結果顯示ChatGPT^®與專家在抗生素處方上達成一致的有51個案例，Cohen's kappa係數為0.48，顯示中等一致性。在抗藥性機制方面，雙方一致的有42個案例，kappa係數為0.39，顯示公平一致性。整體而言，ChatGPT^®在抗生素管理上的一致性較差。 PubMed DOI

抗微生物抗藥性是全球健康的重要議題，亟需創新策略來改善抗生素管理。AI 聊天機器人，特別是大型語言模型，能協助臨床醫師優化抗生素治療。本研究回顧了過去五年相關文獻，發現AI 聊天機器人能提供抗生素建議、增強醫學教育及改善臨床決策，但仍面臨臨床細節管理不一致、算法偏見及數據隱私等挑戰。未來需進行嚴格的臨床試驗及跨學科合作，以確保其安全有效地應用於臨床。 PubMed DOI

抗微生物抗藥性（AMR）對全球健康構成嚴重威脅，預計到2050年每年可能造成1000萬人死亡。為了有效應對，公共衛生訊息需針對不同受眾調整。本研究評估了ChatGPT-4生成適合文化和語言的AMR意識內容的能力。專家們識別了AMR的主要貢獻者，並開發了多語言的內容。雖然ChatGPT-4在生成定制內容方面顯示潛力，但質量差異顯著，需專業審查。未來研究應聚焦於完善提示和整合反饋，以提升內容有效性。 PubMed DOI

將大型語言模型（LLMs）整合進抗生素處方的醫療決策中，逐漸受到重視，但面臨挑戰。首先，LLMs在臨床環境中的應用需更深入的醫療理解，因為它們的建議直接影響病患健康。其次，專業知識悖論顯示醫療人員可能過度依賴AI，影響臨床判斷。因此，AI應該輔助而非取代人類決策。最後，LLMs的錯誤風險需謹慎對待，必須建立健全的驗證流程，確保其作為輔助工具的角色。 PubMed DOI

大型語言模型（LLMs）在醫療領域的應用日益增多，能協助診斷和治療感染。一項研究比較了全科醫生與六個LLMs（如ChatGPT、Gemini等）對24個臨床案例的反應。全科醫生在診斷和抗生素處方的準確率高達96%-100%，但在劑量和療程的準確性上較低（50%-75%）。LLMs的表現也不錯，但在參考指導方針的能力上不一致，特別是在挪威的表現不佳。研究指出LLMs有數據洩漏的風險，雖然它們在抗生素處方上有潛力，但全科醫生在臨床情境解釋和指導方針應用上仍更具優勢。 PubMed DOI