人工智慧，尤其是大型語言模型（LLMs），對急診護理工作流程和決策有改善作用。目前對LLMs在急診醫學的研究意見不一，需要一個全面的框架來了解其應用。這篇文章探討了LLMs在急診醫學的現況，並提出未來研究方向。經分析43篇論文，發現LLMs可強化臨床決策、提升效率、引起道德關注，並促進醫學教育。LLMs有潛力改變急診護理，但仍需進一步研究驗證其應用、建立負責任使用標準、解決道德問題，並提升醫護人員對人工智慧的認識。合作努力是安全有效整合LLMs於急診醫學中的關鍵。 PubMed DOI

近期LLMs如ChatGPT在醫療保健領域受歡迎，但也帶來安全和倫理風險。為因應此挑戰，提出新方法評估LLMs在臨床護理中的可行性，強調安全、個人化護理和倫理。透過跨學科知識整合和文獻回顧，確定關鍵評估領域。由專家進行同行評審，確保科學嚴謹。在臨床腫瘤護理中評估九種LLMs後，有些被推薦使用，有些謹慎使用或不可使用。推薦使用特定領域的LLMs可支持醫療專業人員的決策。 PubMed DOI

這項研究探討人工智慧（AI）在醫療領域的風險，並提出政策建議以減輕這些風險，同時發揮AI的優勢。AI若正確使用，能對醫療產生重大影響，但其快速普及也帶來倫理、法律及社會問題。研究指出，數據偏見可能導致護理不平等，且AI的可解釋性和問責性問題可能影響病人安全。報告建議提高醫療人員的AI素養、加強隱私保護，並將倫理原則融入AI設計，以確保負責任且公平地使用AI，提升醫療品質。 PubMed DOI

這項研究探討了生成式人工智慧（如ChatGPT）在遠距醫療中，特別是心臟驟停情境下的應用。研究比較了傳統紙本指南、自主ChatGPT和受監督ChatGPT的有效性。結果顯示，受監督的ChatGPT在決策準確性上明顯優於其他兩者，雖然完成情境的時間較長。生理數據顯示其認知負荷較低，且在臨床醫師監督下，對AI系統的信任度最高。研究強調臨床醫師監督的重要性，並建議未來應優化AI的監督機制。 PubMed DOI

生成式人工智慧（AI）在醫療保健中有潛力提升診斷準確性和個性化治療，但其快速且未受監管的使用引發了多項倫理問題。主要問題包括AI可能產生誤導性資訊，導致誤診，強調了醫師監督的重要性。此外，許多大型語言模型缺乏透明度，可能削弱病人和醫療提供者的信任。AI的監管不足也使得病人數據安全和合成數據的有效性成為挑戰。為確保AI的安全使用，需建立嚴格的數據安全標準和跨學科的監督機制，以保障病人的安全和信任。 PubMed DOI

這項研究評估了生成式人工智慧模型在預測小兒急診病人緊急嚴重指數（ESI）等級的表現，發現幾個關鍵見解： 1. **模型表現**：Claude-3 Opus 在未經訓練的模型中表現最佳，敏感度80.6%、特異度91.3%。 2. **微調影響**：微調後的 GPT-4.0 顯示顯著改善，敏感度77.1%、特異度92.5%。 3. **可靠性評估**：Claude-3 Opus 的一致性最高（κ: 0.85），顯示出強烈的評分者間可靠性。 4. **統計分析**：微調前後的比較顯示 GPT 模型有顯著改善。 5. **結論**：生成式人工智慧模型能準確預測小兒 ESI 等級，微調後表現更佳，成為急診分診的有價值工具。 PubMed DOI

這篇論文針對醫療領域中安全實施大型語言模型（LLMs）的需求，提供了具體指導方針。雖然LLMs有助於改善醫療功能，但目前缺乏實用建議。作者提出逐步方法，包括保護病人隱私、調整模型以符合醫療需求、微調超參數、設計醫療提示、區分臨床決策支持應用、評估輸出質量及建立模型治理框架。此外，論文介紹了ACUTE助記符，幫助評估LLM回應的準確性、一致性、語義不變性、可追溯性及倫理考量，旨在協助醫療機構安全整合LLMs。 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

人工智慧（AI）正在改變醫療保健，但也帶來了倫理和法規挑戰。本研究旨在建立一個可信賴的AI框架，強調透明度和公平性，並提供可行策略以在臨床中實施。透過文獻回顧，發現目前AI治理存在缺口，提出了適應性監管框架和可量化的可信度指標。研究強調多方參與和全球合作的重要性，以確保AI創新能解決醫療需求。實現可信賴的AI需要技術進步、倫理保障和持續合作，促進負責任的創新並提升病人結果。 PubMed DOI

人工智慧（AI）將對許多工作產生重大影響，特別是在醫療保健領域，尤其是癌症治療。雖然AI在診斷和放射腫瘤學中展現潛力，但仍需證據證明其臨床有效性。支持者強調人類監督的重要性，然而過度依賴AI可能導致技能退化。生成式AI的進展擴大了應用範圍，但需進行獨立研究以驗證效果。算法醫學應像新藥一樣受到重視，並需確保數據集的多樣性。此外，教育計畫和倫理考量也必須跟上，以確保病人護理的質量。 PubMed DOI