研究發現AI在處理糖尿病黃斑水腫方面表現良好，尤其在DME管理和眼科共病管理上有一致性。建議未來可考慮將AI應用於DME管理，同時需留意與國家指南的一致性，以影響全球DME管理指南的修訂。 PubMed DOI

研究分析了2010年至2023年間2,860篇文章，探討人工智慧在遠距醫療的應用。研究指出文章數逐漸增加，美國和中國為主要產出國家。主題包括AI、遠距醫療、機器學習、數位健康和深度學習。新興詞如ChatGPT和行動健康指出未來研究方向。研究旨在推動AI在遠距醫療的創新應用。 PubMed DOI

本研究透過文獻計量分析，探討人工智慧（AI）在護理教育中的應用熱點與趨勢。分析截至2023年10月的Web of Science文獻，發現過去三年內相關文章數量持續上升，主要貢獻者為美國、新加坡國立大學及大田純教授。研究識別出十個高頻關鍵詞，並將熱點分為三大領域：AI增強的模擬機器人、機器學習與數據挖掘，以及自然語言處理。未來研究將聚焦於擴展AI應用、評估教育成果及處理倫理問題，建議探索技術應用及跨學科合作，以促進AI在護理教育的發展。 PubMed DOI

這篇論文回顧了人工智慧在眼科的發展，分析了來自98個國家的3,377篇研究，發現中國和美國的貢獻最為突出。中山大學是重要機構，《Translational Vision Science & Technology》是頂尖期刊，Ting DSW則是主要研究者。研究強調AI在視網膜影像分析及眼病篩檢的潛力，但也指出技術、法規和倫理等挑戰需克服，才能推動創新應用，改善眼病治療效果。 PubMed DOI

最近，人工智慧（AI）在青光眼管理上有很大潛力，能提升篩檢效果和診斷準確性，但整合過程中面臨挑戰，如數據標註繁瑣、診斷標準不一致及測試不足，這些都可能影響演算法的適用性。此外，AI的「黑箱」特性也讓醫療人員感到疑慮。未來可透過聯邦學習增強數據隱私，並利用多樣化數據改善演算法，還有智慧型手機的應用潛力。解決這些挑戰將有助於提升青光眼護理的品質。 PubMed DOI

近視是全球主要的視力障礙，對醫療和經濟影響深遠。大多數近視在兒童時期發展，因此早期介入很重要。人工智慧（AI）成為管理兒童近視的有力工具，最初透過傳統機器學習識別高風險兒童，最近則利用大數據、大規模篩檢和深度學習模型等創新方法。AI能透過自動化和大型語言模型改變近視管理，提升精準醫療和健康素養，但也面臨監管和臨床整合的挑戰。 PubMed DOI

這項研究針對過去30年醫療保健領域的人工智慧（AI）文獻進行了深入分析，顯示機器學習和深度學習等技術在臨床應用中的整合日益增加。從1993年到2023年，共分析了22,950篇文獻，發現科學產出顯著上升，美國和中國是主要貢獻者，哈佛大學出版量最高。近期趨勢顯示，COVID-19和藥物發現等主題受到高度關注，而2023年最受引用的論文則聚焦於ChatGPT。研究強調了加強國際合作及對AI技術理解的重要性，以推動醫療創新。 PubMed DOI

本研究針對1993至2023年間的890篇文獻進行分析，探討人工智慧（AI）在腎臟移植中的應用，這對末期腎病（ESRD）治療至關重要。透過CiteSpace和VOSviewer等工具，識別全球趨勢及主要研究領域。美國，特別是梅奧診所，成為主要貢獻者。研究主題包括AI在捐贈者配對、深度學習在移植後監測及機器學習在個性化免疫抑制中的應用。自2017年以來，AI應用顯著增加，未來趨勢指向個性化醫療及遠程醫療。本綜述為研究人員和臨床醫生提供了重要資源，並建議未來研究方向。 PubMed DOI

人工智慧（AI）在醫學領域的應用已顯著提升醫療服務與病人結果。本研究分析了2019年至2023年間AI在醫學的發展，使用Web of Science核心合集進行文獻計量分析，並運用VOSviewer和R-bibliometrix工具探討出版趨勢、作者及關鍵字使用情況。 研究發現包括：共識別1,811篇文獻，來自97國的3,583機構，主要貢獻者為美國，哈佛醫學院出版數量最高。《醫學網路研究期刊》因其高引用率而受到重視。四大關鍵字集群為數位健康中的AI、COVID-19與ChatGPT、精準醫療及公共衛生流行病學，顯示AI在病人健康風險討論中的重要性。 PubMed DOI

視網膜影像提供了一種非侵入性的方法，能夠觀察眼睛中的血管和神經纖維，並透過眼科組學深入了解全身健康。近期研究探討視網膜生物標記與多種全身性疾病的關聯，並結合人工智慧（AI）提升疾病檢測的潛力。數位彩色眼底攝影、光學相干斷層掃描（OCT）等技術被應用於篩檢和早期檢測。儘管AI展現潛力，但在數據質量和技術實施上仍面臨挑戰。這篇綜述旨在成為研究人員和臨床醫生的資源，促進AI在臨床的應用。 PubMed DOI