告知家庭醫生病人住院情況很重要，但出院摘要常寫得不好且耗時。研究發現使用人工智慧（AI）可生成高品質出院摘要，家庭醫生接受度高。AI生成的摘要符合所需數據，家庭醫生難以區分AI與醫生撰寫的摘要。需進一步研究真實患者數據和經英國國民保健服務批准的AI工具來驗證。 PubMed DOI

研究發現，使用大型語言模型（LLM）轉換出院摘要為病人友善的語言，提升了易讀性。然而，除了可讀性外，還需注意準確性和安全性問題。在實際應用前，仍需醫師審查以確保資訊正確無誤。 PubMed DOI

研究指出，在小兒急診醫學中使用ChatGPT 4.0版本進行臨床文件記錄，可以節省時間減少工作量，尤其是在複雜的註記上。雖然對於簡單的註記影響不大，但參與者對ChatGPT生成的手交接摘要和家庭信件持正面評價。大部分臨床醫師支持將這些工具納入實務，但也提出了一些擔憂和建議。總的來說，小兒急診醫學主治醫師認為ChatGPT是有價值的工具，能夠提供高品質的摘要。 PubMed DOI

研究評估符合HIPAA標準的GPT-4在急診放射學報告中的效用。人工智慧在辨識重要發現方面表現良好，但仍需人類監督。總結來說，AI對於辨識病人放射學報告中的重要資訊有幫助，但人類的角色仍然不可或缺。 PubMed DOI

在過去一年，人工智慧（AI）在醫療保健領域的快速進展，開始顯著改善品質與安全問題。雖然我們仍在轉型初期，但AI的能力已經有了根本性的變化。與以往專注於單一任務的AI不同，現在的基礎模型和大型語言模型能夠處理多種問題，無需額外數據或重新訓練。這篇回顧將介紹基礎模型的原則、優缺點及其對醫療品質和病人安全的影響，同時也提醒我們注意新技術帶來的複雜性與風險。理解這些影響對於充分發揮AI的潛力至關重要。 PubMed DOI

這項研究探討生成式人工智慧，特別是像ChatGPT這樣的大型語言模型（LLMs），如何為從急診部轉至家庭的病人創建個性化的出院指示。研究發現，傳統出院指示常常耗時且缺乏個性化，因此使用GPT-4生成了五個虛構急診案例的出院指示。調查結果顯示，受訪者對GPT生成的指示評價較高，特別是在回診注意事項上，顯示LLMs能提升出院指示的清晰度和相關性，並改善醫療文檔流程，減輕醫療人員負擔。 PubMed DOI

生成式人工智慧（AI）和大型語言模型在資訊處理上有重大進展，特別是在醫學教育中。雖然這些技術帶來機會，但也面臨挑戰，如生成錯誤資訊、偏見、實施成本高及數據安全問題。為了克服這些挑戰，建議改善AI訓練數據、建立驗證流程及遵循倫理指導。儘管如此，生成式AI仍有潛力提升醫學教育，包括個性化教學、模擬臨床情境、及時反饋和簡化評估等，未來可望為醫療專業人員提供更有效的學習體驗。 PubMed DOI

這項研究探討使用 GPT-3.5 生成醫療文件並附上 ICD-10 代碼，以增強低資源標籤數據。研究人員從 MIMIC-IV 數據集中生成了 9,606 份出院摘要，專注於不常見的代碼，並將這些數據與基線訓練集結合，創建增強數據集來訓練神經編碼模型。結果顯示，雖然數據增強略微降低整體模型表現，但對生成代碼的表現有所提升。儘管 GPT-3.5 能識別 ICD-10 代碼，但在處理真實數據時仍面臨挑戰，生成文件在多樣性和深度上需改進。 PubMed DOI

將AI，特別是ChatGPT 4.0，整合進醫療流程中，尤其在撰寫出院摘要方面，顯示出提升醫療效率和品質的潛力。出院摘要是總結病人住院情況的重要文件，對精神科診所的分析顯示其需求多樣。本研究評估臨床人員與AI生成摘要的品質差異，並由四位主治醫師盲評。結果顯示，AI生成的摘要在效率、連貫性和資訊結構上優於人員撰寫，但仍需進一步研究以提升其準確性和可靠性。 PubMed DOI

這項研究比較了ChatGPT-4生成的精神科出院摘要與住院醫師撰寫的摘要質量。研究結果顯示，人類撰寫的摘要在整體質量上明顯優於AI生成的，平均評分分別為3.78和3.12。人類摘要在大多數評估項目中表現更佳，且評分者偏好人類版本。AI摘要在40%的案例中出現幻覺，且內容錯誤率較高。雖然AI生成的摘要在簡潔性和正式性上有一定表現，但仍需改進，未來可作為醫生修訂的參考。 PubMed DOI