自然語言處理技術越來越影響臨床護理，透過各種應用如自動生成臨床註記、醫學編碼、聊天機器人、資料豐富化、群體選擇和審計。該篇回顧提供了自然語言處理技術的歷史概述和技術背景，討論了以大型語言模型為重點的實施策略，並探討心臟病學領域的未來機會。 PubMed DOI

研究評估了OpenAI的GPT和GPT-4在比較人類審查員時，對臨床研究論文標題和摘要的辨識表現。結果顯示，這些模型在篩選超過24,000個標題和摘要時表現準確且敏感，並展現了推理能力並修正錯誤。這些人工智慧模型有潛力優化審查流程、節省時間，並提升臨床研究品質，而非取代研究人員。 PubMed DOI

整合人工智慧和機器學習可改善心臟衰竭和急性腎損傷患者護理，提供個人化治療。本評論探討了人工智慧技術應對挑戰，強調驗證、合作和道德。結合分析工具和臨床知識，可提升患者護理水平。 PubMed DOI

電子健康記錄在臨床研究中很關鍵，但分析非結構化文本很費時費錢。自然語言處理能有效從電子健康記錄中提取數據。 AssistMED開發了NLP工具，能自動提取病人特徵，方便臨床研究。這工具使用友善的方式檢索臨床狀況、藥物和心臟超聲參數資訊。驗證結果顯示，工具表現良好，提供準確病人數據，並有進一步發展的潛力。 PubMed DOI

研究發現，人工智慧在處理心臟疾病時能提高決策準確性，尤其在瓣膜疾病治療上。使用像ChatGPT這樣的工具，可增進心臟團隊的效率。未來需進一步研究如何整合人工智慧以提升決策過程。 PubMed DOI

研究探討利用人工智慧聊天平台為心臟衰竭患者提供資訊和支持，測試了兩個大型語言模型的平台回答30個相關問題。平台大多提供正確答案，但也有錯誤和過時資訊。儘管有潛力增進患者教育，仍需解決準確性問題，以免對患者造成損害。 PubMed DOI

本研究評估大型語言模型（LLM），特別是GPT-4，是否能有效分析介入放射學（IR）微波消融裝置的安全事件數據。研究收集了2011年至2023年的安全數據，並由人類審核者進行分類。GPT-4的分類準確率在訓練集達96.0%，驗證集86.4%，測試集87.3%。最終生成的摘要與人類解讀相似，顯示LLM在處理IR安全數據方面的潛力，成為臨床醫生的有用工具。 PubMed DOI

這項研究探討利用自然語言處理（NLP）來自動化ICD-10-CM編碼系統，以提升基於自由文本的出院摘要編碼效率與準確性。研究以高雄醫學大學中和紀念醫院的病人出院摘要為數據集，開發了基於GPT-2模型的AI輔助編碼系統，並整合進專家工作流程中。結果顯示，該系統在編碼準確性上表現良好，F1分數達0.667，且與專家之間的協議程度也相對較高，顯示出其在提升醫療編碼效率的潛力。 PubMed DOI

隨機臨床試驗對於心血管治療的有效性和安全性非常重要，但面臨高成本、長時間及缺乏多樣性等挑戰。人工智慧（AI）技術的應用有助於改善試驗設計、病人招募、知情同意、結果評估等方面。不過，AI也有風險，如結果不準確、對某些族群的偏見及隱私問題。為了解決這些問題，醫學期刊和監管機構正在建立新的評估框架。謹慎且透明地使用AI對於確保試驗結果的完整性至關重要。 PubMed DOI

心臟衰竭（HF）是全球健康的重要議題，影響死亡率和經濟負擔。先進的人工智慧技術，特別是像ChatGPT這樣的系統，為HF管理帶來新機會。這篇綜述分析了多個醫學資料庫的研究，探討ChatGPT在HF預防、診斷和管理中的應用，特別是對臨床決策和病人教育的影響。儘管有潛力，ChatGPT仍面臨訓練數據不足和倫理問題等挑戰。文章也強調了其在個性化治療計劃中的有效性，並希望能幫助醫療專業人員更好理解其優缺點。 PubMed DOI