研究發現ChatGPT語言模型在中風患者中預測功能性結果表現優異，特別是對於治療效果好、閉塞遠、時間短的患者。將這樣的人工智慧模型應用在臨床上，有助於提升中風患者的護理品質。 PubMed DOI

研究比較了GPT-4和GPT-3.5在提取神經放射學報告中缺血性中風患者機械溶栓術數據的表現。結果發現，GPT-4比GPT-3.5更準確，處理所有報告且無需進一步處理即可正確提取94.0％的數據項目，而GPT-3.5僅有63.9％的準確率。總結來說，GPT-4在提取正確程序數據方面更有效。 PubMed DOI

這項研究評估了人工智慧工具ChatGPT-4V在急性中風診斷中的有效性，透過分析530張MRI影像，包括266例中風和264例正常病例。主要發現顯示，ChatGPT-4V在識別中風影像的準確率為88.3%，正常影像為90.1%。在檢測擴散限制方面，準確率為79.5%，但對於受影響半球的識別僅為26.2%。總體而言，該工具的診斷敏感性為79.57%，特異性為84.87%，顯示其在中風診斷中輔助醫療專業人員的潛力。 PubMed DOI

這項初步研究探討了大型語言模型（LLM），特別是LLaMA3，如何從三級醫院的出院摘要中提取中風審核數據。研究分析了一個月內的中風住院病人出院摘要，成功提取144個數據點，LLM的準確率高達93.8%（135個正確）。結果顯示，LLM能有效提升中風審核數據的收集效率，並建議進一步研究以優化LLM與醫療專業人員的合作。 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，在院前篩檢急性缺血性中風（AIS）和大血管阻塞（LVO）的效果。研究在茂名市人民醫院進行，分析了400份急診病歷。結果顯示，GPT-4在AIS和LVO的篩檢準確率上均優於GPT-3.5，特別是在神經推理和事實正確性方面表現更佳。整體來看，GPT-4有潛力成為急救醫療服務中有效的決策支持工具，可能改善及時介入的效果。 PubMed DOI

這項研究評估了大型語言模型（LLMs）在急性缺血性中風（AIS）患者的手術記錄中提取數據的有效性。分析了382份手術記錄，重點在30份，以指導LLMs提取關鍵特徵。六種LLMs的表現良好，平均準確率達95.09%，整體準確率為78.05%。GLM4和GPT-4在進階特徵提取上表現突出，準確率分別為84.03%和82.20%。LLMs的數據處理速度也顯著快於醫師，顯示出在AIS治療中改善臨床數據管理的潛力。 PubMed DOI

本研究評估了兩種AI模型（ChatGPT-4o和Claude 3.5 Sonnet）在檢測急性缺血性中風（AIS）方面的表現。分析了110例擴散加權影像（DWI），結果顯示Claude 3.5 Sonnet在靈敏度和特異性上均優於ChatGPT-4o，特別是在AIS的定位準確性上。雖然Claude 3.5 Sonnet的表現較佳，但兩者在準確性上仍有顯著限制，顯示出AI在臨床應用前需進一步發展。這強調了AI在放射診斷中的潛力與現階段的不足。 PubMed DOI

這項研究探討了大型語言模型（LLMs）在急性缺血性中風（AIS）病例中的應用，特別是機械性血栓切除術（MT）的適應性。研究分析了100名AIS患者的數據，LLM根據放射學報告、神經症狀、發病資訊和患者年齡進行判斷。結果顯示，該AI模型的整體準確率達88%，特異性96%，敏感性80%，曲線下面積為0.92，顯示出LLMs在整合醫療數據方面的潛力，並鼓勵進一步探索其在臨床的應用。 PubMed DOI

這項研究評估了ChatGPT在急診部門對懷疑中風患者的決策支持潛力，於安卡拉Etlik市立醫院進行，涵蓋512名患者。研究比較了ChatGPT在中風中心運送、大血管阻塞懷疑及治療選擇的決策，結果顯示其建議與實際結果一致性高，中風診斷敏感度達91%，靜脈內治療的高陰性預測值分別為98%和97%。雖然ChatGPT顯示出潛力，但研究強調醫師監督的重要性，建議將其作為輔助工具整合進臨床決策過程，以提升效率並確保患者安全。 PubMed DOI

及時的溶栓治療對急性缺血性中風至關重要，但手動檢查病歷找禁忌症既慢又易出錯。為了解決這個問題，研究團隊開發了一款基於大型語言模型（LLM）的工具，能從臨床筆記中識別溶栓禁忌症，並用合成數據訓練。在概念驗證研究中，創建了150份隨機禁忌症的合成臨床筆記，使用Llama 3.1 405B模型提取禁忌症。結果顯示該工具的敏感度達90.9%，準確率98.7%，未出現幻覺情況。未來將用真實電子病歷數據驗證其有效性，並整合到急性中風管理中。 PubMed DOI