研究發現ChatGPT在辨識非典型疾病表現上有一定準確性，但對高度非典型案例的表現較差。儘管對典型和輕微非典型案例有潛力，但隨著非典型性增加，表現也下降。研究強調AI系統需結合多樣語言能力和臨床情境，以提升現實世界的診斷效果。 PubMed DOI

研究目的是評估使用RAG和LLMs（如GPT模型）來改善急診分流流程，提升護理一致性。通過模擬情境測試，發現搭配RAG的GPT-3.5模型在分流準確性上表現優異，可達70%正確率，並將低分流率降至8%。整合這兩者可提高急診評估的精確性和一致性，但仍需在實際醫療環境中驗證。 PubMed DOI

這項研究評估了AI語言模型GPT-3在診斷和分診的表現，並與一般人和醫生進行比較，使用了48個醫療案例。結果顯示，GPT-3在88%的案例中準確診斷，優於一般人（54%），但低於醫生（96%）。在分診準確性方面，GPT-3達70%，接近一般人（74%），但仍低於醫生（91%）。雖然GPT-3對預測的信心合理，但在急迫案例中準確性下降，偶爾會將緊急案例降為次要。總體而言，GPT-3的診斷表現不錯，但分診效果仍不如醫生。 PubMed DOI

這項研究評估了ChatGPT-4生成的臨床小案例在醫學教育中的效用與準確性。調查於2024年1月進行，71位專注於一般內科的日本醫師評估了18個日文AI醫療案例。結果顯示，資訊質量和準確性獲得滿意評分，但在內容質量和相關性上存在顯著變異。參與者建議改進身體檢查結果的生成、使用更自然的語言及提高術語準確性。總體而言，研究認為ChatGPT-4在醫學教育中有潛力，但仍需加強細節準確性和真實性，並強調專家監督的重要性。 PubMed DOI

這項研究探討了使用生成式人工智慧GPT-4-0613來創建日文臨床小案例，評估其醫學和語法準確性。根據特定提示生成的202個小案例中，118個被認為「足夠有用且可立即使用」，78個「部分不足需修改」，只有6個在醫學準確性上被評為「不足」。語言準確性方面，142個案例得分較高，僅4個不足。總體來看，97%的案例經醫療專業人員確認後被視為實用，顯示人工智慧能顯著簡化臨床案例的創建過程。 PubMed DOI

這項研究探討了ChatGPT在模擬災難病人分診的有效性，使用了391個病人案例和九個提示進行測試，總共產生了35,190次模擬分診。結果顯示，99.7%的查詢得到了有效的START評分，但變異性顯著。準確性為63.9%，過度分診率32.9%，不足分診率3.1%。研究結論指出，ChatGPT在醫療分診中表現不佳，提醒在臨床使用AI工具時需謹慎，並強調進行嚴謹的統計評估的重要性。 PubMed DOI

這項研究評估了GPT-4在急診病人分診中所給的緊急嚴重指數（ESI）分數的準確性，並與經驗豐富的醫護人員進行比較。研究涵蓋100名急診病人，結果顯示GPT-4的中位數ESI分數為2.0，而人類評估者為3.0，顯示出顯著差異（p < 0.001），顯示GPT-4可能低估病人嚴重程度。雖然GPT-4提供了新方法，但其低估的傾向顯示在臨床應用中需進一步調整，強調謹慎整合AI技術的重要性。 PubMed DOI

這項系統性回顧比較了症狀評估應用程式（SAAs）和大型語言模型（LLMs）在自我分診準確性上的表現。從1549項研究中篩選出19項進行分析。結果顯示，SAAs的準確性中等但變異性大（11.5-90.0%），LLMs的準確性也中等（57.8-76.0%），變異性較低；一般人的準確性同樣中等（47.3-62.4%）。結論是，SAAs和LLMs不應被普遍推薦或反對，應根據具體情境和使用者特徵來評估其有效性。 PubMed DOI

這項研究探討了基於GPT-4的檢索增強生成（RAG）模型在術前評估中的有效性。研究測試了十個大型語言模型，生成超過3,200個回應，並與近450個人類答案進行比較。結果顯示，使用國際指導的GPT-4 LLM-RAG模型準確率達96.4%，明顯高於人類的86.6%，且反應時間更快、不一致情況較少。這顯示LLM-RAG模型在醫療環境中提升術前評估的潛力。 PubMed DOI

**重點摘要：** 這項研究評估了多個大型語言模型（LLMs）以及一個檢索增強生成（RAG）流程，並以2,000個醫療案例作為測試。結果顯示，LLMs能夠協助病人和臨床醫師，像是提供可能的診斷、建議合適的專科醫師，以及評估緊急程度，有機會提升醫療決策品質和醫療服務的效率。 PubMed DOI