這項研究探討南非放射學學生如何在學習和評估中運用人工智慧（AI）。透過焦點小組訪談，研究發現三個主要主題：首先，學生對AI的理解和看法；其次，他們在理論和臨床學習中使用AI的經驗及面臨的挑戰，如對可靠性和倫理的擔憂；最後，強調在教育中融入AI的必要性，包括負責任使用AI的教育。參與者認為AI能提升學術表現和臨床學習，但對AI生成資訊的可信度仍有疑慮。研究建議將AI納入課程，以改善醫學影像和放射科學的教育。 PubMed DOI

這篇文章探討了人工智慧（AI）在放射學中的重要角色，分析了2018至2024年間的八項研究。隨著醫療診斷技術的快速進步，對於評估AI等新技術的需求也越來越高。研究重點在於AI在解讀放射影像的準確性，並討論其優缺點及未來發展。此外，文章也提到GPT-4在影像分析中的潛在應用。總體來看，AI被視為提升診斷策略和改善醫療服務質量的突破性工具。 PubMed DOI

健康科學與人工智慧的結合，讓病人診斷有了顯著進展。新提議的醫療系統整合病人、醫生、實驗室、藥局及行政人員的功能，簡化互動，並透過AI增強風險評估。該系統能處理各種醫學影像，利用深度卷積神經網絡檢測腫瘤和骨折，並運用GPT-4生成預防措施。性能評估顯示，這個框架在診斷準確性和病人護理上，優於傳統方法，展現出良好的潛力。 PubMed DOI

這篇論文探討生成式人工智慧（GenAI）對研究生醫學教育（GME）的影響，指出其帶來的機會與風險。機會包括減輕電子健康紀錄的負擔、增強臨床模擬、個性化教育、支持研究與分析，以及改善臨床決策。不過，論文也提到風險，如AI輸出不準確、過度依賴AI資訊、學術誠信問題、潛在偏見及隱私風險。隨著GenAI技術的進步，理解其優缺點將變得相當重要。 PubMed DOI

醫療數位轉型正快速發展，提升了服務品質和健康資訊的可及性，並減輕了醫療提供者的負擔。數據和人工智慧（AI）在此過程中扮演關鍵角色，特別是醫療AI，正從特定任務擴展為更通用的應用。大型語言模型被用來整理醫學知識，並重塑醫學科學。新方法「AI for Medical Science」透過預測模型來預測疾病，專注於「狀態」而非僅是症狀，能提高診斷準確性，推進P4醫學的發展。 PubMed DOI

機器學習和大型語言模型在醫療領域的應用正在改變診斷和病人護理，但許多醫生對這些技術的了解不足，可能導致依賴和疏忽。為了解決這個問題，我們設計了一個模組化的AI課程，利用Colab筆記本教授基礎概念，讓沒有數據科學背景的人也能輕鬆學習。課程包含五個模組，旨在融入醫學院的數據科學課程，並強調倫理和地方相關性。接下來，我們將整合這個課程並創建可調整的教學指南，以便在其他醫學院推廣。 PubMed DOI

隨著人工智慧越來越多地進入醫學教育，我們需要重新思考它對醫師訓練和實踐的影響。作為醫學生，我們發現透過實際實驗來探索AI應用效果最佳。例如，我們利用大型語言模型創建圖像助記符，這大大提升了我們的學習效率。AI的應用能減少重複性任務的時間，讓我們更專注於醫學的藝術。鼓勵學生在日常中主動探索AI，能培養創新應用，進一步提升學習和臨床實踐，確保AI的整合能發揮最大潛力，並豐富醫療的人文面向。 PubMed

醫學教育的數位轉型正在改變腎臟科的臨床技能教學，特別是床邊超音波（POCUS）。梅奧診所的腎臟科專科訓練計畫推出了一個AI驅動的課程，結合人類專家與先進AI模型（如GPT-4.0），進行多次迭代修訂。這個課程涵蓋核心主題、各種教學方法及評估工具，並強調質量保證與臨床應用。AI與專家的合作確保了課程的實用性與教育品質，未來研究將評估其對臨床能力及病人結果的影響。 PubMed DOI

AI正快速改變醫療和軍事領域，但軍醫教育還沒跟上腳步。教育者要學會安全、合乎倫理地用AI，並和學員一起設計AI課程。學員也要實際操作生成式AI工具，提升學習和未來醫療能力。和產業安全合作、運用雲端和區塊鏈等技術，對AI安全整合很重要。軍醫教育必須盡快納入AI內容，才能因應未來挑戰。 PubMed DOI

這篇回顧整理了102篇AI在研究所醫學教育的應用，主要來自北美，聚焦放射科、外科和急診。AI被用於評量、招募和臨床決策，大家對AI的看法也越來越正面。不過，目前研究還有偏誤和異質性高等問題，未來還需要更多研究來補足不足。 PubMed DOI