這篇文章探討了醫療腫瘤學中，人工智慧（AI）在自動文本分析的最新進展，特別是自然語言處理（NLP）的重要性。大型語言模型在解答醫療問題上表現突出，並介紹了如預後評估、治療建議等新應用。作者呼籲啟動全球臨床評估，以驗證AI決策支持系統的有效性，並解決潛在偏見。他們強調在推進病人護理時，必須保持科學的嚴謹性。 PubMed DOI

本研究評估了人工智慧（AI），特別是OpenAI的自然語言處理技術，對胸腔多學科腫瘤委員會（MTB）決策的幫助。研究納入2023年1月至6月診斷為非小細胞肺癌的52位病患，AI模型生成的建議與MTB決策的一致性達76%，Kappa指數為0.59，手術建議的一致性更高，重複案例後達92.3%。結果顯示，AI可成為多學科腫瘤委員會決策的有力支持工具。 PubMed DOI

近年來，人工智慧（AI）技術在醫療領域迅速發展，特別是在影像和語音辨識方面。AI將逐漸融入臨床環境，未來可能在病人訪談中扮演重要角色，並協助醫生解讀檢測結果，如心電圖和胸部X光，提供更深入的見解。儘管實際應用仍面臨挑戰，但預期醫生將與AI系統合作，提升心血管疾病的診斷和治療準確性。這篇回顧專注於AI在心臟病學的應用，強調其改善臨床工作流程的潛力，最終使醫療提供者和病人受益。 PubMed DOI

核醫學在人工智慧（AI）的整合下已取得顯著進展，提升了診斷、預後、影像品質和治療效果。早期AI主要透過機器學習提高疾病分類和預測準確性，最近深度學習的進展則改善了影像診斷和個人化治療。不過，數據稀缺、異質性和倫理問題仍是挑戰。透過跨學科合作克服這些問題，將有助於AI在核醫學的更廣泛應用，進而改善病人護理和治療結果。 PubMed DOI

人工智慧（AI）正逐漸融入胸部放射學，展現出在解讀胸部X光片、篩檢肺癌及肺栓塞分流等方面的有效性。未來還有許多應用待探索，如過濾正常X光片和監控讀片錯誤。不過，成功實施AI需要針對性能評估、IT整合及持續監控制定策略。挑戰包括對放射科醫師的教育、管理風險及數據獲取差異。此外，下一代大型語言模型（LLMs）有潛力改變胸部放射學，但仍需進一步研究其可行性。 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

這項研究介紹了AMIE（Articulate Medical Intelligence Explorer），一個專為醫學診斷對話設計的AI系統。AMIE透過自我對弈學習，提升在各種醫療情況下的表現。在一項隨機雙盲研究中，AMIE與初級保健醫生進行評估，結果顯示其診斷準確性超越醫生。不過，研究也指出使用同步文字聊天的限制，這在臨床上不常見。雖然前景看好，但AMIE在實際醫療環境中的應用仍需進一步研究。 PubMed DOI

AI在醫療越來越常見，但不少人對AI的認識還停留在聊天機器人，忽略了它的複雜性和潛在偏見。AI雖能幫忙行政和臨床決策，但必須經過嚴格驗證，確保準確和公平。AI應該輔助醫師，而非取代，導入時也要謹慎負責，避免誤用或過度信任。 PubMed DOI

雖然生成式AI看似讓醫學人文變得不重要，但其實AI本身就是一種敘事工具，醫學人文在引導AI於醫療倫理和實務應用上反而更關鍵。作者強調，敘事醫學和人文學科能提供評估與負責任整合AI的框架，AI應該輔助而非取代醫學中的敘事實踐。 PubMed DOI

單靠大型語言模型（LLMs）做高風險決策有風險，因為它們會出現幻覺和偏誤。這項研究提出結合醫師和LLM的混合系統，分析四萬多個診斷案例後發現，醫師和LLM合作比單獨使用任何一方都更準確，因為他們各有不同的優缺點。這種混合方式能提升醫療診斷的準確率。 PubMed DOI