本研究探討ChatGPT在簡化腎小球疾病治療資訊的能力，幫助患者更易理解。針對67種腎小球疾病，使用兩種問題類型進行測試。結果顯示，普通解釋的可讀性為高中水平，調整後可讀性改善至中學水平，且可理解性顯著提升。然而，針對特定閱讀水平的準確性較低。總體而言，ChatGPT在提升資訊可讀性方面潛力大，但需進一步研究以確保內容的全面性及倫理使用。 PubMed DOI

這項研究評估了三款AI聊天機器人—ChatGPT 4.0、Claude 3.0和Gemini Pro—以及Google在回答腎臟移植後常見問題的表現。研究使用5點李克特量表評估回應質量，並透過病人教育材料評估工具（PEMAT）檢視可理解性和可行性。結果顯示，回應質量高（中位分數4），可理解性良好（中位72.7%），但可行性較差（中位20%）。可讀性較難，Claude 3.0提供最可靠的回應，而ChatGPT 4.0則在可理解性上表現突出。Google在各項指標上未能超越這些聊天機器人。 PubMed DOI

這項前瞻性觀察研究針對270名病人進行，最終260名完成研究。研究涵蓋慢性腎病、慢性肝病、結核病、癡呆症和心臟病等慢性疾病，並開發了三個機器學習模型。結果顯示，隨機森林模型在預測CKD和心臟病方面表現最佳，準確率分別為85.3%和88.2%。此外，邏輯回歸在預測TB和癡呆症上也有不錯的表現。研究強調機器學習在慢性疾病預測中的潛力，並建議未來進行多中心研究以驗證結果。 PubMed DOI

這項研究探討了GPT-4在評估藥物對肝臟、心臟和腎臟健康的毒性時的可靠性，並將其結果與FDA藥物標籤的專家評估進行比較。研究使用了兩種提示方式：一般提示和專家提示。結果顯示，專家提示的準確率（64-75%）高於一般提示（48-72%），但兩者的表現都只是中等。這提醒我們在公共健康應用中使用GPT-4時需謹慎，並建議採用檢索增強生成（RAG）等先進框架來提升其可靠性。 PubMed DOI

這項研究評估了不同大型語言模型（LLMs）和檢索增強生成（RAG）框架在提供慢性腎病（CKD）飲食指導的準確性。研究以2020年國家腎臟基金會的營養指導為基準，測試了四個聊天機器人（GPT-4、Gemini 和 Llama），並使用12個相關提示。結果顯示，Gemini 和 RAG 的準確性最高（中位數4.0），而 GPT-4 和 Llama 較低（中位數2.5和1.5）。研究建議針對特定領域定制LLMs，或利用指導方針增強RAG框架，以提高醫療保健中的準確性。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4和GPT-3.5，如何分析急診部報告以識別與腎結石相關的就診。研究使用標註過的數據集，透過提示優化和微調來提升模型表現。結果顯示，GPT-4的宏觀F1分數為0.833，表現最佳，而GPT-3.5為0.796。微調改善了GPT-3.5的表現，並且加入人口統計和醫療歷史信息有助於決策。GPT-4未顯示種族或性別偏見，但GPT-3.5在種族多樣性建模上有困難。研究強調了LLMs在臨床應用的潛力及偏見問題的重要性。 PubMed DOI

這項研究探討了ChatGPT在將健康資訊翻譯成西班牙語的有效性，特別針對西班牙裔族群獲得活體腎臟捐贈的機會。研究使用了ChatGPT 3.5和4.0翻譯27個常見問題，並由西班牙語腎臟科醫生評估翻譯的準確性和文化敏感性。結果顯示，兩個版本的翻譯準確性和文化敏感性均很高，特別是GPT-4.0達到完美分數。這顯示AI在改善健康公平性方面的潛力，建議未來應整合這類工具進醫療系統，以提升患者教育和服務公平性。 PubMed DOI

這項研究評估了ChatGPT-3.5在小兒腎臟移植教育上的潛力。研究人員向模型提出37個病患相關問題，模型的回答與健康專業人員相似。五位小兒腎臟科醫生根據準確性、相關性等指標評估這些回答，結果顯示準確性（4.51）、相關性（4.56）和全面性（4.55）都很高。雖然大部分回答評價良好，但有些被標示為潛在風險，顯示需要人類監督以確保安全與準確。 PubMed DOI

這項研究發現，ChatGPT能夠針對罕見腎臟疾病提供大致正確且有同理心的資訊，特別是在預後和基因檢測方面表現不錯。不過，對於替代療法和第二意見的建議，回饋較為普通。整體來說，ChatGPT有助於病患教育與溝通，但仍需專業醫師把關，確保資訊安全無虞。 PubMed DOI

研究發現，ChatGPT能準確從非結構化臨床紀錄中擷取癌症病患的關鍵資料，如Gleason分數和年齡（F1=0.99），對安寧照護和疼痛狀態的辨識也不錯（F1=0.86）。但few-shot提示有時反而降低準確度，加入背景資訊也未必有幫助。整體來說，ChatGPT有潛力協助電子病歷資料結構化，促進醫療研究資料共享。 PubMed