這篇回顧探討了人工智慧（AI）在心臟復甦後預測神經學結果的潛力，指出其優於傳統預後評分系統。研究顯示，像人工神經網路（ANN）和XGBoost等機器學習技術在預測準確性上表現更佳，並能降低醫療成本和提供個人化照護。不過，回顧也提到AI面臨數據質量、偏見和隱私等挑戰，強調需多樣化數據來源和可解釋的結果來提升可靠性。儘管如此，AI在這領域的進展仍令人期待，需持續人類監督和數據共享。 PubMed DOI

這項研究比較了功能性癲癇發作可能性評分（FSLS）與兩個大型語言模型（ChatGPT和GPT-4）在區分功能性癲癇發作和癲癇發作的診斷表現。使用114個病患案例，FSLS的準確率為74%，而GPT-4的準確率達85%。研究發現，LLMs的預測結果在不同時間不一致，且自我評估的確定性與變異性中等相關。雖然GPT-4和FSLS能有效識別FS病患，但預測結果的差異及不一致性引發了對其臨床可靠性的擔憂，顯示出機器學習和人工智慧在診斷中的潛力與限制。 PubMed DOI

這項研究旨在開發機器學習和深度學習模型，自動化根據臨床轉診文本制定緊急腦部MRI掃描的協議。研究分析了2016至2019年間的1,953份轉診，並由神經放射科醫師提供參考標準。使用了三種機器學習演算法和兩個深度學習模型，結果顯示GPT-3.5模型在協議預測上達84%準確率，對比劑需求判斷達91%。研究證明這些模型能有效自動化MRI掃描協議的制定，結果已發表。 PubMed DOI

這項研究評估大型語言模型（LLMs）在低體溫心臟驟停（HCA）中對體外心肺復甦術（eCPR）禁忌症的資訊準確性，並與常溫心臟驟停（NCA）的專家共識比較。研究發現，10個AI工具中有5個的回應與專家共識一致，但引用的參考資料皆被視為「不正確」。在101項目中，45%未能回答問題，55%則被視為「幻覺性」。結論指出，僅依賴AI進行HCA的eCPR決策可能導致不當撤回治療，影響病人存活機會，因此不應將LLMs視為唯一的醫療決策資源。 PubMed DOI

這項研究評估了GPT-4大型語言模型在計算HEART分數及預測胸痛觀察單位患者60天內重大不良心臟事件的有效性。研究涵蓋601名患者，結果顯示LLM與醫療專業人員之間的協議良好，HEART分數也高於傳統評估。然而，預測MACE的表現並無顯著差異。這顯示GPT-4在風險計算上可輔助臨床決策，但結果可能與人類判斷有所不同，建議進一步研究其潛力。 PubMed DOI

開源大型語言模型能準確擷取心臟超音波報告的重點資料，像是瓣膜疾病嚴重度和人工瓣膜有無，對建立大規模資料庫和疾病監控很有幫助。經過優化後，像Llama3.0-70B、Qwen2.0這些頂尖模型準確率超過98%，但處理速度較慢。小型模型判斷嚴重度較不準，但辨識人工瓣膜還不錯。主要錯誤來自分心或沒照指示。整體來說，LLMs自動化擷取資料很有潛力，但要兼顧準確和效率。 PubMed DOI

這項研究比較三種AI模型預測急性心肌梗塞病患一年內死亡率的準確度。結果顯示，傳統人工神經網路（SWEDEHEART-AI）表現最好，預測能力優於兩個大型語言模型（Qwen-2和Llama-3）。雖然LLM有潛力，但目前在臨床風險預測上還不如傳統模型，未來還需加強其準確度與校正能力。 PubMed DOI

這項研究用多個大型語言模型（像是GPT-4、Claude 3.5等）來自動化產生EMS對話的電子病歷，結果比單一模型更準確，F1分數最高到0.81。專家也認為這系統能減輕紀錄負擔，但偶爾還是會誤解醫療情境。這是首次針對急診醫療紀錄自動化做系統性評估，展現未來應用潛力。 PubMed DOI

這篇回顧整理了197篇AI應用在心臟驟停和心肺復甦的研究，發現多數是回溯性、著重預測和分類，主要用機器學習。雖然AI表現不錯，但很少有外部驗證或實際臨床測試，也還沒證據證明能改善病人預後。未來建議加強前瞻性驗證、公平性、可解釋性，並推動AI臨床應用。 PubMed DOI

這項研究比較五款主流大型語言模型解讀胸部CT報告的能力，發現GPT-4表現最佳，尤其在選擇題上最準確。微調後的GPT-3.5-Turbo也有明顯進步。整體來說，選擇題比開放式問答更容易答對。不同疾病和器官系統的結果有差異。結果顯示，優化後的AI模型有助於提升胸部CT解讀，對外科手術規劃很有幫助。 PubMed DOI