人類數位雙胞胎系統HDTwin有潛力顛覆個人化認知健康診斷，因為它能整合多種健康數據，形成統一模型。認知健康複雜，整合資訊一直是挑戰。HDTwin利用大型語言模型，將來自不同來源的數據轉換為文本提示，並結合科學文獻，創建預測模型。在124名參與者的研究中，HDTwin準確率高達0.81，顯著超越傳統機器學習的0.65。此外，HDTwin還有聊天機器人介面，方便解釋診斷結果，提升早期檢測和介入策略的效果。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在從腫瘤科電子健康紀錄中提取患者共病情況的表現。研究分析了250份病歷報告，結果顯示GPT-4在敏感性上表現優於GPT-3.5和醫生，達到96.8%。雖然醫生在精確度上稍勝一籌，但GPT-4的表現更一致，且能推斷出非明確的共病情況。整體而言，這些模型在提取資訊方面顯示出潛力，可能成為數據挖掘的重要工具。 PubMed DOI

這項研究評估了ChatGPT-4在住院神經科的診斷準確性，並與顧問神經科醫師進行比較。研究使用Epic電子健康紀錄的病人數據，CG4為51位病人生成了初步診斷和治療計畫。結果顯示，CG4的平均得分為2.57，顧問醫師為2.75，整體成功率相近（CG4為96.1%，顧問醫師為94.1%）。雖然顧問醫師的全面診斷可能性略高，但CG4仍被視為神經科有價值的診斷工具。未來需進一步研究以驗證這些結果。 PubMed DOI

這項研究探討了人工智慧工具，特別是ChatGPT和Google的Gemini，在協助醫療專業人員評估懷疑神經遺傳疾病患者的表現。研究中提出了九十個問題，涵蓋臨床診斷和遺傳風險等主題。結果顯示，ChatGPT的準確性優於Gemini，但兩者都存在診斷不準確和虛假信息的問題。雖然這些AI工具在支持臨床醫生方面有潛力，但使用時需謹慎，並應與專業醫生合作，以確保評估的可靠性。 PubMed DOI

在資源有限的國家，神經學緊急情況面臨挑戰，而人工智慧（AI）健康聊天機器人可能是解決方案。本研究評估了一個AI虛擬助手（VA）在神經疾病分診的安全性與有效性。 研究分為兩階段：首先，九位神經科醫生評估了十名患者的臨床紀錄，發現VA的診斷與專家一致性高達98.5%。其次，VA的準確性在患者互動中也獲得醫生的全力支持，平均互動時間為5.5分鐘。 VA在診斷和安全性上表現優於ChatGPT 3.5和4，57.8%的醫生評價其為「優秀」。這些結果顯示VA在緊急神經分診中的潛力，未來將進行更大規模的試驗。 PubMed DOI

本研究探討AI模型（如GPT-3.5和GPT-4）在急診科生成病症鑑別診斷的表現，並與急診科醫師的準確性進行比較。結果顯示，ChatGPT-4的準確率為85.5%，略高於ChatGPT-3.5的84.6%和醫師的83%。特別是在腸胃主訴方面，ChatGPT-4的準確性達87.5%。研究顯示AI模型在臨床決策中具潛在應用價值，建議未來進一步探索AI在醫療中的應用。 PubMed DOI

這篇論文探討了OpenAI的GPT-4在區分癲癇發作與功能性/解離性發作的能力。測試中，GPT-4在41個案例上表現出來，最初在沒有範例的情況下準確率為57%，提供一個範例後提升至64%，但更多範例並未進一步改善。相比之下，經驗豐富的神經科醫生平均達到71%的準確率。值得注意的是，在醫生一致同意的案例中，GPT-4的準確率達到81%。這顯示GPT-4的表現仍有限，但若能獲得更多臨床數據，或許能提升其診斷能力。 PubMed DOI

一款專為神經科設計的 AI（GPT-4 Turbo，經 Neura 運作），在模擬診斷中表現比現職神經科醫師更好，準確率高達 86%，反應時間也大幅縮短到 30 秒內，還能提供可靠、可查證的資訊。這證明針對特定領域設計的 AI，有機會成為臨床神經科的高效輔助工具。 PubMed DOI

這項研究發現，ChatGPT-4o寫病史的品質跟住院醫師差不多，但速度快很多（只要40秒，醫師要15分鐘）。雖然AI有助提升效率和品質，但資料安全和隱私問題還沒解決，實際應用前還需要更多研究，特別是在複雜病例和不同臨床環境下的表現。 PubMed DOI

這項研究用22個神經眼科病例，比較ChatGPT（GPT-3.5和GPT-4）和兩位專科醫師的診斷能力。GPT-3.5正確率59%，GPT-4有82%，醫師則是86%。GPT-4的表現已經接近專科醫師，顯示AI有潛力協助診斷複雜眼腦疾病，尤其在缺乏專科醫師的地區。不過，臨床應用前還需要更多驗證安全性與可靠性。 PubMed DOI